Python获取好友地区分布及好友性别分布

简介: Python获取好友地区分布及好友性别分布

利用Python + wxpy 可以快速的查询自己好友的地区分布情况,以及好友的性别分布数量。还可以批量下载好友的头像,拼接成大图。

本次教程是基于上次机器人后的,所有依赖模块都可以复用上次的,还不知道的小伙伴可以戳这里。

python + wxpy 机器人

准备工作

  1. 编辑器
  2. 一个注册一年以上的微信号

公共部分代码

from wxpy import *  // wxpy 依赖
from PIL import Image   // 二维码登录依赖
import os   // 本地下载依赖
import math
import webbrowser
from pyecharts import Map   //  地图展示依赖
from pyecharts import Pie   //  饼状图依赖

1. 批量下载好友头像

# 创建头像存放文件夹
def avaterPath():
    avaterDir = os.path.join(os.getcwd(), 'wechat')
if not os.path.exists(avaterDir):
os.mkdir(avaterDir)
return avaterDir
# 获取所有的好友头像并保存
def saveWxAvater(avaterDir):
    bot = Bot(cache_path=True)
    allFriends = bot.friends(update=True)
    num = 0
for friend in allFriends:
        friend.getAvatar(os.path.join(avaterDir,f'{str(num)}.jpg'))
print("好友昵称:%s"%friend.name)
        num += 1
# 拼接头像
def joinAvatar(path):
    # 获取文件夹内头像个数
    length = len(os.listdir(path))
    # 设置画布大小
    image_size = 2560
    # 设置每个头像大小
    each_size = math.ceil(2560 / math.floor(math.sqrt(length)))
    # 计算所需各行列的头像数量
    x_lines = math.ceil(math.sqrt(length))
    y_lines = math.ceil(math.sqrt(length))
    image = Image.new('RGB', (each_size * x_lines, each_size * y_lines))
    x = 0
    y = 0
for (root, dirs, files) in os.walk(path):
for pic_name in files:
            try:
                with Image.open(os.path.join(path, pic_name)) as img:
                    img = img.resize((each_size, each_size))
                    image.paste(img, (x * each_size, y * each_size))
                    x += 1
if x == x_lines:
                        x = 0
                        y += 1
            except Exception as e:
print(F"头像读取失败,错误:{e}")
    img = image.save(os.path.join(os.getcwd(), 'wechat.png'))
print('wx好友头像拼接完成!')
if __name__ == '__main__':
    avatarDir = avaterPath()
    saveWxAvater(avatarDir)
    joinAvatar(avatarDir)

2. 获取好友性别分布

bot = Bot(cache_path=True)  # 弹出二维码登录微信,生成bot对象
allFriends = bot.friends()  # 获取所有的微信好友信息
type = ['男同学','女同学','外星人']  # 男/女/未知性别好友名称
v = [0, 0, 0]  # 初始化对象好友数量
# 遍历所有好友,判断该好友性别
for friend in friends:
if friend.sex == 1:
        v[0] += 1
elif friend.sex == 2:
        v[1] += 1
else:
        v[2] += 1
pie = Pie("好友性别分布")
pie.add("", type, v, is_label_show=True)
pie.render("sex.html")
webbrowser.open('sex.html')

效果

image.png

3. 获取好友地区分布情况

代码部分:

bot = Bot(cache_path=True)  # 弹出二维码登录微信,生成bot对象
allFriends = bot.friends()  # 获取所有的微信好友信息
areaDic = {}  # 定义一个空字典,用于存放省市以及省市人数
for friend in allFriends:
    if friend.province not in areaDic:
        areaDic[friend.province] = 1
else:
        areaDic[friend.province] += 1
keys = area_dic.keys()
v = area_dic.values()
map = Map("好友地域分布", width=1200, height=600)
map.add("好友地域分布" ,keys, v, maptype='china', is_visualmap=True)
map.render("area.html")
webbrowser.open("area.html")

效果

image.png

相关文章
|
7月前
|
XML 存储 数据处理
python绘制热力图-数据处理-VOC数据类别标签分布及数量统计(附代码)
python绘制热力图-数据处理-VOC数据类别标签分布及数量统计(附代码)
|
数据可视化 Python
Python高考 | 2023年四川省高考理科一分一段人数分布情况
Python高考 | 2023年四川省高考理科一分一段人数分布情况
|
4月前
|
数据采集 数据可视化 数据挖掘
【python】python葡萄酒国家分布情况数据分析pyecharts可视化(源码+数据集+论文)【独一无二】
【python】python葡萄酒国家分布情况数据分析pyecharts可视化(源码+数据集+论文)【独一无二】
|
7月前
|
数据可视化 Python
python中Copula在多元联合分布建模可视化2实例合集|附数据代码
python中Copula在多元联合分布建模可视化2实例合集|附数据代码
|
6月前
|
自然语言处理 数据可视化 Python
卡方分布和 Zipf 分布模拟及 Seaborn 可视化教程
卡方分布是统计学中的一种连续概率分布,用于假设检验,形状由自由度(df)决定。自由度越大,分布越平缓。NumPy的`random.chisquare()`可生成卡方分布随机数。Seaborn能可视化卡方分布。练习包括模拟不同自由度的卡方分布、进行卡方检验。瑞利分布描述信号处理中幅度分布,参数为尺度(scale)。Zipf分布常用于自然语言等幂律特征数据,参数a控制形状。NumPy的`random.zipf()`生成Zipf分布随机数。
92 0
|
6月前
|
机器学习/深度学习 数据可视化 Python
多项分布模拟及 Seaborn 可视化教程
多项分布是二项分布的推广,描述了在n次试验中k种不同事件出现次数的概率分布。参数包括试验次数n、结果概率列表pvals(和为1)和输出形状size。PMF公式展示了各结果出现次数的概率。NumPy的`random.multinomial()`可生成多项分布数据。练习包括模拟掷骰子和抽奖活动。解决方案提供了相关图表绘制代码。关注公众号“Let us Coding”获取更多内容。
57 0
|
7月前
|
数据可视化 Python
PYTHON贝叶斯推断计算:用BETA先验分布推断概率和可视化案例
PYTHON贝叶斯推断计算:用BETA先验分布推断概率和可视化案例
|
7月前
|
数据可视化 数据挖掘 Linux
Seaborn中的分布图:轻松展示数据分布情况
【4月更文挑战第17天】Seaborn是数据分析中的利器,提供直观的分布图以展示数据特性。包括:直方图(histplot,可选KDE),用于观察数据集中趋势和异常值;核密度估计图(kdeplot),呈现连续分布估计;箱线图(boxplot),通过中位数和四分位数展示分布和异常值;小提琴图(violinplot),结合箱线图和KDE,显示详细分布信息。通过自定义参数,可优化图表样式,提升可视化效果,助力数据分析。
|
7月前
|
资源调度 数据可视化 数据挖掘
Python用PyMC贝叶斯GLM广义线性模型、NUTS采样器拟合、后验分布可视化
Python用PyMC贝叶斯GLM广义线性模型、NUTS采样器拟合、后验分布可视化
|
7月前
|
Python
联合分布直方图(python
联合分布直方图(python
66 1