微信好友大揭秘，使用Python抓取朋友圈数据，通过人脸识别全面分析好友，一起看透你的“朋友圈”

超、凢脫俗 2022-04-18 02:19 760阅读 0赞

微信：一个提供即时通讯服务的应用程序，更是一种生活方式，超过数十亿的使用者，越来越多的人选择使用它来沟通交流。

不知从何时起，我们的生活离不开微信，每天睁开眼的第一件事就是打开微信，关注着朋友圈里好友的动态，而朋友圈中或虚或实的状态更新，似乎都在证明自己的“有趣”，寻找那份或有或无的存在感。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70][]

有人选择在朋友圈记录生活的点滴，有人选择在朋友圈展示自己的观点。有时我们想去展示自己，有时又想去窥探着别人的生活，而有时又不想别人过多的了解自己的生活，或是屏蔽对方，或是不给对方看朋友圈，又或是不想看对方的朋友圈。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 1][]

作者本人（汤小洋 ）也是微信的重度依赖者，每天的工作生活都离不开它，也会关注朋友圈里好友的动态，我个人认为微信朋友圈是一种文化的体现，诸如：发圈、点赞、留言等，都能侧面的反应一个人的生活、工作、心态、爱好、修养、上进心、努力程度等。

今天就跟着 汤老师 一起来揭秘微信朋友圈，利用 Python+AI人工智能 进行多角度分析，一起看透你的“朋友圈”。

我们将使用Python抓取朋友圈数据，并对获取到的数据进行全面分析，包含好友性别、地理位置分布、个性签名、备注名、好友类型等，逐一进行分析，同时还会使用人脸识别技术对好友头像进行分析，分析到你怀疑人生。。。。。。 \_

整个过程分为四步：

1,获取数据  
  2,处理数据  
  3,存储数据  
  4,数据可视化

一、获取数据  
    关于微信好友数据的获取，可以通过itchat库，itchat是一个开源的微信个人号的接口，可以实现信息收发、获取好友列表等功能。

具体的用法和说明，在代码中已经做了详细的注释。

\#!/usr/bin/env python3  
\# -\*- coding: utf-8 -\*-  
\_\_author\_\_ = '汤小洋'

\# 导入itchat模块，操作微信个人号的接口  
import itchat

\# 获取数据  
def get\_data():  
    \# 扫描二维码登陆微信，实际上就是通过网页版微信登陆  
    itchat.auto\_login()  
    \# 获取所有好友信息  
    friends = itchat.get\_friends(update=True)  \# 返回一个包含用户信息字典的列表  
    return friends

if \_\_name\_\_ == '\_\_main\_\_':  
    print(get\_data())  
  
    执行代码时电脑屏幕会出现一个二维码，手机微信扫描后即可完成登陆  
![20181107103653156.png][]

二、处理数据  
    对获取的数据进行处理，筛选出需要的数据。

通过对返回的用户信息进行分析，发现列表中第一个元素是用户自己，可以排除掉。同时我们只取需要的字段数据，各个字段及其取值的含义已在代码中做了说明。

\# 处理数据  
def parse\_data(data):  
    friends = \[\]  
    for item in data\[1:\]:  \# 第一个元素是自己，排除掉  
        friend = \{  
            'NickName': item\['NickName'\],  \# 昵称  
            'RemarkName': item\['RemarkName'\],  \# 备注名  
            'Sex': item\['Sex'\],  \# 性别：1男，2女，0未设置  
            'Province': item\['Province'\],  \# 省份  
            'City': item\['City'\],  \# 城市  
            'Signature': item\['Signature'\].replace('\\n', ' ').replace(',', ' '),  \# 个性签名（处理签名内容换行的情况）  
            'StarFriend': item\['StarFriend'\],  \# 星标好友：1是，0否  
            'ContactFlag': item\['ContactFlag'\]  \# 好友类型及权限：1和3好友，259和33027不让他看我的朋友圈，65539不看他的朋友圈，65795两项设置全禁止  
        \}  
        print(friend)  
        friends.append(friend)  
    return friends

if \_\_name\_\_ == '\_\_main\_\_':  
    print(parse\_data(get\_data()))

三、存储数据  
    为了便于分析数据并进行可视化操作，这里将数据存储到文本文件中。

\# 存储数据，存储到文本文件  
def save\_to\_txt():  
    friends = parse\_data(get\_data())  
    for item in friends:  
        with open('friends.txt', mode='a', encoding='utf-8') as f:  
            f.write('%s,%s,%d,%s,%s,%s,%d,%d\\n' % (  
                item\['NickName'\], item\['RemarkName'\], item\['Sex'\], item\['Province'\], item\['City'\], item\['Signature'\],  
                item\['StarFriend'\], item\['ContactFlag'\]))

if \_\_name\_\_ == '\_\_main\_\_':  
    save\_to\_txt()  
    \*\*重要说明：\*\*这里我获取的是自己的微信好友数据（共计950条，因工作关系，好友数比较多），考虑到个人隐私，部分信息做了处理。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 2][]

四、数据可视化  
    这里使用的是pyecharts，pyecharts是一个用于生成Echarts图表的类库，便于在Python中根据数据生成可视化的图表。

Echarts是百度开源的一个数据可视化JS库，主要用于数据可视化。

参考：http://pyecharts.org/

\# 安装pyecharts  
pip install pyecharts

1. 好友性别分析  
    代码实现：

\#!/usr/bin/env python3  
\# -\*- coding: utf-8 -\*-  
\_\_author\_\_ = '汤小洋'

\# 导入Pie组件，用于生成饼图  
from pyecharts import Pie

\# 获取所有性别  
sex = \[\]  
with open('friends.txt', mode='r', encoding='utf-8') as f:  
    rows = f.readlines()  
    for row in rows:  
        sex.append(row.split(',')\[2\])  
\# print(sex)

\# 统计每个性别的数量  
attr = \['帅哥', '美女', '未知'\]  
value = \[sex.count('1'), sex.count('2'), sex.count('0')\]

pie = Pie('好友性别比例', '好友总人数：%d' % len(sex), title\_pos='center')  
pie.add('', attr, value, radius=\[30, 75\], rosetype='area', is\_label\_show=True,  
        is\_legend\_show=True, legend\_top='bottom')  
\# pie.show\_config()  
pie.render('好友性别比例.html')

**可视化结果：**

> 好友主要为男性，占比70%，男女比例严重失衡

![2018110710405276.gif][]

看到这个结果，我是有些淡淡忧桑的，微信好友总人数为950，帅哥占比70.42%，美女占比24.53%，男女比例严重失衡，但一点也不意外，本人是一名IT工作者，平时喜欢跑步，所以工作、生活接触到的大部分都是男性朋友，出现男女比例失衡实属正常。

2. 好友位置分析  
pyecharts v0.3.2以后，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。

\# 安装地图文件包  
pip install echarts-china-provinces-pypkg \# 中国省、市、县、区地图  
pip install echarts-china-cities-pypkg  
pip install echarts-china-counties-pypkg  
pip install echarts-china-misc-pypkg   
pip install echarts-countries-pypkg \# 全球国家地图  
pip install echarts-united-kingdom-pypkg  
  
代码实现：

\# 导入Counter类，用于统计值出现的次数  
from collections import Counter  
\# 导入Geo组件，用于生成地理坐标类图  
from pyecharts import Geo  
import json  
\# 导入Bar组件，用于生成柱状图  
from pyecharts import Bar

\# 数据可视化  
def render():  
    \# 获取所有城市  
    cities = \[\]  
    with open('friends.txt', mode='r', encoding='utf-8') as f:  
        rows = f.readlines()  
        for row in rows:  
            city = row.split(',')\[4\]  
            if city != '':  \# 去掉城市名为空的值  
                cities.append(city)

\# 对城市数据和坐标文件中的地名进行处理  
    handle(cities)

\# 统计每个城市出现的次数  
    data = Counter(cities).most\_common()  \# 使用Counter类统计出现的次数，并转换为元组列表  
    print(data)

\# 根据城市数据生成地理坐标图  
    geo = Geo('好友位置分布', '', title\_color='\#fff', title\_pos='center', width=1200, height=600,  
              background\_color='\#404a59')  
    attr, value = geo.cast(data)  
    geo.add('', attr, value, visual\_range=\[0, 500\],  
            visual\_text\_color='\#fff', symbol\_size=15,  
            is\_visualmap=True, is\_piecewise=True)  
    geo.render('好友位置分布.html')

\# 根据城市数据生成柱状图  
    data\_top20 = Counter(cities).most\_common(20)  \# 返回出现次数最多的20条  
    bar = Bar('好友所在城市TOP20', '', title\_pos='center', width=1200, height=600)  
    attr, value = bar.cast(data\_top20)  
    bar.add('', attr, value, is\_visualmap=True, visual\_text\_color='\#fff', is\_more\_utils=True,  
            is\_label\_show=True)  
    bar.render('好友所在城市TOP20.html')  
出现的问题：

报错：ValueError: No coordinate is specified for xxx(地名)

原因：pyecharts的坐标文件中没有该地名，实际上是名称不一致导致的，如数据中地名为’达州’，而坐标文件中为’达州市’

坐标文件所在路径：项目/venv/lib/python3.6/site-packages/pyecharts/datasets/city\_coordinates.json

解决：修改坐标文件，在原位置下复制个同样的，然后修改下地名

\{  
  "南京市": \[  
    107.5,  
    31.22  
  \],  
   "南京": \[  
    107.5,  
    31.22  
  \],  
\}    
  
不过由于要修改的地名太多，上面的方法实在是麻烦，所以我定义了一个函数，用来处理地名数据找不到的问题

\# 处理地名数据，解决坐标文件中找不到地名的问题  
def handle(cities):  
    \# print(len(cities), len(set(cities)))

\# 获取坐标文件中所有地名  
    data = None  
    with open(  
            '/Users/wangbo/PycharmProjects/python-spider/venv/lib/python3.6/site-packages/pyecharts/datasets/city\_coordinates.json',  
            mode='r', encoding='utf-8') as f:  
        data = json.loads(f.read())  \# 将str转换为json

\# 循环判断处理  
    data\_new = data.copy()  \# 拷贝所有地名数据  
    for city in set(cities):  \# 使用set去重  
        \# 处理地名为空的数据  
        if city == '':  
            while city in cities:  
                cities.remove(city)  
        count = 0  
        for k in data.keys():  
            count += 1  
            if k == city:  
                break  
            if k.startswith(city):  \# 处理简写的地名，如 达州市 简写为 达州  
                \# print(k, city)  
                data\_new\[city\] = data\[k\]  
                break  
            if k.startswith(city\[0:-1\]) and len(city) >= 3:  \# 处理行政变更的地名，如县改区 或 县改市等  
                data\_new\[city\] = data\[k\]  
                break  
        \# 处理不存在的地名  
        if count == len(data):  
            while city in cities:  
                cities.remove(city)

\# print(len(data), len(data\_new))

\# 写入覆盖坐标文件  
    with open(  
            '/Users/wangbo/PycharmProjects/python-spider/venv/lib/python3.6/site-packages/pyecharts/datasets/city\_coordinates.json',  
            mode='w', encoding='utf-8') as f:  
        f.write(json.dumps(data\_new, ensure\_ascii=False))  \# 将json转换为str  
  
可视化结果：

好友主要集中在江苏及周边地区  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 3][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 4][]

从图中可以发现：我的微信好友主要集中在江苏及周边地区，本人大学读书时来到南京，现在工作生活也一直在南京，所以南京好友最多，为483个；我自小是在徐州长大的，所以徐州好友数量也较多；同时因为喜欢跑马拉松，结识了许多跑友，也经常会到周边沿海城市跑步，所以好友位置主要分布在沿海一带。

3. 个性签名词云图  
    jieba是一个基于Python的分词库，完美支持中文分词，功能强大

pip install jieba  
    Matplotlib是一个Python的2D绘图库，能够生成高质量的图形，可以快速生成绘图、直方图、功率谱、柱状图、误差图、散点图等

pip install matplotlib  
    wordcloud是一个基于Python的词云生成类库，可以生成词云图

pip install wordcloud

代码实现：

\#!/usr/bin/env python3  
\# -\*- coding: utf-8 -\*-  
\_\_author\_\_ = '汤小洋'

\# 导入jieba模块，用于中文分词  
import jieba  
\# 导入matplotlib，用于生成2D图形  
import matplotlib.pyplot as plt  
\# 导入wordcount，用于制作词云图  
from wordcloud import WordCloud, STOPWORDS

\# 获取所有个性签名  
signatures = \[\]  
with open('friends.txt', mode='r', encoding='utf-8') as f:  
    rows = f.readlines()  
    for row in rows:  
        signature = row.split(',')\[5\]  
        if signature != '':  
            signatures.append(signature)

\# 设置分词  
split = jieba.cut(str(signatures), cut\_all=False)  \# False精准模式分词、True全模式分词  
words = ' '.join(split)  \# 以空格进行拼接  
\# print(words)

\# 设置屏蔽词，去除个性签名中的表情、特殊符号等  
stopwords = STOPWORDS.copy()  
stopwords.add('span')  
stopwords.add('class')  
stopwords.add('emoji')  
stopwords.add('emoji1f334')  
stopwords.add('emoji1f388')  
stopwords.add('emoji1f33a')  
stopwords.add('emoji1f33c')  
stopwords.add('emoji1f633')

\# 导入背景图  
bg\_image = plt.imread('bg.jpg')

\# 设置词云参数，参数分别表示：画布宽高、背景颜色、背景图形状、字体、屏蔽词、最大词的字体大小  
wc = WordCloud(width=1024, height=768, background\_color='white', mask=bg\_image, font\_path='STKAITI.TTF',  
               stopwords=stopwords, max\_font\_size=400, random\_state=50)  
\# 将分词后数据传入云图  
wc.generate\_from\_text(words)  
plt.imshow(wc)  \# 绘制图像  
plt.axis('off')  \# 不显示坐标轴  
\# 保存结果到本地  
wc.to\_file('个性签名词云图.jpg')  
  
可视化结果：

充满正能量、努力生活

个性签名可以反映人的一种心态，对所有好友的个性签名进行分词后制作如下词云图：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 5][]

从词云图中可以看到，微信好友个性签名中出现频率较高的词汇有：自己、努力、生活、世界、就是、我们、人生、没有、需要、不要、时间、一切、一起、永远、未来、运动、快乐、温柔、个性等，整体来看，我的微信好友还是充满正能量的，都是积极向上、努力生活、有个性的年青人。

我们可以来详细的分析下这些高频词：

\*\*自己、就是、我们、个性：\*\*彰显个性的自我、自以为是、自大等，也说明了年青人的个性张扬、无所畏惧  
        \*\*努力、生活、时间、需要：\*\*说明大家都在努力的工作，追求各自所需，为更好的生活拼博着  
        \*\*世界、人生、快乐、未来：\*\*正所谓“世界那么大，我想去看看”，生活虽不易，但对外面的世界、对人生的追求从未停止过，快乐最重要  
       \*\*运动、健康、温柔、享受：\*\*说明喜欢运动的朋友比较多，大家都越来越关注健康。温柔、享受也成为共识，活着不易，且活且享受。  
4. 备注名词云图  
    获取好友的备注名，根据备注名生成词名图

代码实现：

\#!/usr/bin/env python3  
\# -\*- coding: utf-8 -\*-  
\_\_author\_\_ = '汤小洋'

\# 获取备注名  
remarkNames = \[\]  
with open('friends.txt', mode='r', encoding='utf-8') as f:  
    rows = f.readlines()  
    for row in rows:  
        remarkName = row.split(',')\[1\]  
        if remarkName != '':  
            remarkNames.append(remarkName)

\# 设置分词  
split = jieba.cut(str(remarkNames), cut\_all=False)  \# False精准模式分词、True全模式分词  
words = ' '.join(split)  \# 以空格进行拼接  
print(words)

\# 导入背景图  
bg\_image = plt.imread('bg.jpg')

\# 设置词云参数，参数分别表示：画布宽高、背景颜色、背景图形状、字体、屏蔽词、最大词的字体大小  
wc = WordCloud(width=1024, height=768, background\_color='white', mask=bg\_image, font\_path='STKAITI.TTF',  
               max\_font\_size=400, random\_state=50)  
\# 将分词后数据传入云图  
wc.generate\_from\_text(words)  
plt.imshow(wc)  \# 绘制图像  
plt.axis('off')  \# 不显示坐标轴  
\# 保存结果到本地  
wc.to\_file('备注名词云图.jpg')  
  
可视化结果：

好友备注中“跑友”、“南航”出现的频率最高  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 6][]

从图中可以看出，我的好友备注中出现的高频词有：跑友、南航、wbs17091、wbs18031、wbs17022、wbs17071等

\*本人平时喜欢跑步，也经常参加各种马拉松活动，认识的跑友比较多，所以不足为奇

\*由于工作上与南航有一定的交集，所以南航的好友也比较多

\*以wbs开头的备注都是我工作中带过的学生，数量众多，身为一名IT教育工作者，深感光荣。

\*\*重要说明：\*\*考虑个人隐私，图中部分姓名做了化名处理，请勿当真，如有不便，还望谅解。

5. 好友分类分析  
    根据备注名，对好友进行分类，统计各类好友的数量

PS：我的习惯是对好友添加备注，标记好友的类型或来源，这个属于个人洁癖的一种吧

代码实现：

\#!/usr/bin/env python3  
\# -\*- coding: utf-8 -\*-  
\_\_author\_\_ = '汤小洋'

\# 导入jieba模块，用于中文分词  
import jieba  
\# 导入Counter类，用于统计值出现的次数  
from collections import Counter  
from pyecharts import Bar

\# 设置分词  
words = \[x for x in jieba.cut(str(remarkNames), cut\_all=False) if x not in \['-', ',', '(', ')', '（', '）', ' ', "'"\]\]  \# 排除短横线、逗号、空格、单引号  
data\_top10 = Counter(words).most\_common(10)  \# 返回出现次数最多的20条  
print(data\_top10)

bar = Bar('好友分类TOP10', '', title\_pos='center', width=1200, height=600)  
attr, value = bar.cast(data\_top10)  
bar.add('', attr, value, visual\_range=\[0, 200\], is\_visualmap=True, is\_label\_show=True)  
bar.render('好友分类TOP10.html')  
  
可视化结果：

学生最多，其实是跑友  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 7][]

这里只统计好友分类数量最多的前10，其中跑友160人，南航52人，其他的都是wbs开头的学生，实际上wbs开头的学生数是最多的，只是在备注时按班级号进行了划分。

通过分析统计，自己对各类好友的数量也做到了心里有数。

6. 特殊好友分析  
    获取并统计以下的特殊好友：星标好友、不让他看我的朋友圈、不看他的朋友圈

代码实现：

\#!/usr/bin/env python3  
\# -\*- coding: utf-8 -\*-  
\_\_author\_\_ = '汤小洋'  
from pyecharts import Bar

\# 获取特殊好友  
star\_list = \[\]  \# 星标朋友  
deny\_see\_list = \[\]  \# 不让他看我的朋友圈  
no\_see\_list = \[\]  \# 不看他的朋友圈

with open('friends.txt', mode='r', encoding='utf-8') as f:  
    rows = f.readlines()  
    for row in rows:  
        \# \# 获取好友名称  
        name = row.split(',')\[1\] if row.split(',')\[1\] != '' else row.split(',')\[0\]  
        \# 获取星标朋友  
        star = row.split(',')\[6\]  
        if star == '1':  
            star\_list.append(name)  
        \# 获取设置了朋友圈权限的朋友  
        flag = row.split(',')\[7\].replace('\\n', '')  
        if flag in \['259', '33027', '65795'\]:  
            deny\_see\_list.append(name)  
        if flag in \['65539', '65795'\]:  
            no\_see\_list.append(name)

print('星标好友：', star\_list)  
print('不让他看我的朋友圈：', deny\_see\_list)  
print('不看他的朋友圈：', no\_see\_list)

attr = \['星标朋友', '不让他看我的朋友圈', '不看他的朋友圈'\]  
value = \[len(star\_list), len(deny\_see\_list), len(no\_see\_list)\]

bar = Bar('特殊好友分析', '', title\_pos='center')  
bar.add('', attr, value, is\_visualmap=True, is\_label\_show=True)  
bar.render('特殊好友分析.html')  
  
可视化结果：

特殊好友。。。你懂的  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 8][]

从上图中可以发现：

星标好友有4个，主要是特别关注的好友，个人觉得比较重要  
    不让他看我的朋友圈有30个，这类好友一般是比较陌生的人，了解较少，当然也有个别觉得不太方便的  
    不看他的朋友圈有8个，这类基本上都是只在朋友圈发广告的，除了广告没有别的内容，而且每天发好几条，确实有点烦  
   \*\*补充：\*\*在代码中有对特殊好友的姓名进行输出显示，各位看客在运行代码时可以在控制台查看特殊好友具体是谁

7. 好友头像分析  
    使用腾讯优图提供的人脸识别技术，对头像进行检测和分析，相关API接口及使用请参考：https://open.youtu.qq.com/legency/\#/develop/new-join

首先获取所有好友的头像：

import itchat  
import os

\# 获取数据  
def get\_image():  
    itchat.auto\_login()  
    friends = itchat.get\_friends(update=True)

\#  在当前位置创建一个用于存储头像的目录headImages  
    base\_path = 'headImages'  
    if not os.path.exists(base\_path):  
        os.mkdir(base\_path)

\# 获取所有好友头像  
    for friend in friends:  
        img\_data = itchat.get\_head\_img(userName=friend\['UserName'\])  \# 获取头像数据  
        img\_name = friend\['RemarkName'\] if friend\['RemarkName'\] != '' else friend\['NickName'\]  
        img\_file = os.path.join(base\_path, img\_name + '.jpg')  
        print(img\_file)  
        with open(img\_file, 'wb') as file:  
            file.write(img\_data)

if \_\_name\_\_ == '\_\_main\_\_':  
    get\_data()            
  
    对头像进行人脸检测，检测头像图片中是否存在人脸，统计使用人脸作用头像的占比。

补充说明：

使用腾讯优图相关服务需要在其平台上申请开发者账户，并获取审核后的密钥，具体步骤参考官网  
        在进行人脸检测时速度会比较慢，头像数量不同需要等待的时间也会有所不同，我的好友有900多，大概花了10分钟左右

\# 导入腾讯优图，用来实现人脸检测等功能  
import TencentYoutuyun  
from pyecharts import Pie

def analyse\_data():  
    \# 向腾讯优图平台申请的开发密钥，此处需要替换为自己的密钥  
    appid = '\*\*\*\*\*\*\*\*'  
    secret\_id = '\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*'  
    secret\_key = '\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*'  
    userid = '\*\*\*\*\*\*\*\*

end\_point = TencentYoutuyun.conf.API\_YOUTU\_END\_POINT  \# 优图开放平台  
    youtu = TencentYoutuyun.YouTu(appid, secret\_id, secret\_key, userid, end\_point)

use\_face = 0  
    not\_use\_face = 0

base\_path = 'headImages'  
    for file\_name in os.listdir(base\_path):  
        result = youtu.DetectFace(os.path.join(base\_path, file\_name))  \# 人脸检测与分析  
        \# print(result)  \# 参考 https://open.youtu.qq.com/legency/\#/develop/api-face-analysis-detect  
        \# 判断是否使用人像  
        if result\['errorcode'\] == 0:  \# errorcode为0表示图片中存在人像  
            use\_face += 1  
            gender = '男' if result\['face'\]\[0\]\['gender'\] >= 50 else '女'  
            age = result\['face'\]\[0\]\['age'\]  
            beauty = result\['face'\]\[0\]\['beauty'\]  \# 魅力值  
            glasses = '不戴眼镜 ' if result\['face'\]\[0\]\['glasses'\] == 0 else '戴眼镜'  
            \# print(file\_name\[:-4\], gender, age, beauty, glasses, sep=',')  
            with open('header.txt', mode='a', encoding='utf-8') as f:  
                f.write('%s,%s,%d,%d,%s\\n' % (file\_name\[:-4\], gender, age, beauty, glasses))  
        else:  
            not\_use\_face += 1

attr = \['使用人脸头像', '未使用人脸头像'\]  
    value = \[use\_face, not\_use\_face\]  
    pie = Pie('好友头像分析', '', title\_pos='center')  
    pie.add('', attr, value, radius=\[30, 75\], is\_label\_show=True,  
            is\_legend\_show=True, legend\_top='bottom')  
    \# pie.show\_config()  
    pie.render('好友头像分析.html')

if \_\_name\_\_ == '\_\_main\_\_':  
    analyse\_data()  
  
可视化结果：

使用人脸头脸的好友并不算多，占比31%  
![20181107105134182.gif][]

从上图中可以看到，使用人脸头像的好友并不多，占比30.87%，大部分都未使用人脸头像，占比69.13%，从某个角度可以反应出这部分人不愿过多的暴露自己，或是对自我颜值的不自信，具体情况要看个人的心态了。

对于使用人脸头像的，还可以检测图片中人脸的性别、年龄、魅力值、是否戴眼镜等（考虑到个人隐私，部分信息做了处理）。  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 9][]

我们还可以将所有头像拼接在一起，生成一个微信好友头像拼接图：

\# 拼接头像  
def join\_image():  
    base\_path = 'headImages'  
    files = os.listdir(base\_path)  
    each\_size = int(math.sqrt(float(640 \* 640) / len(files)))  
    lines = int(640 / each\_size)  
    image = Image.new('RGB', (640, 640))  
    x = 0  
    y = 0  
    for file\_name in files:  
        img = Image.open(os.path.join(base\_path, file\_name))  
        img = img.resize((each\_size, each\_size), Image.ANTIALIAS)  
        image.paste(img, (x \* each\_size, y \* each\_size))  
        x += 1  
        if x == lines:  
            x = 0  
            y += 1  
    image.save('all.jpg')  
    itchat.send\_image('all.jpg', 'filehelper')

生成的头像拼接图，有密集恐惧症的请跳过 \_  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 10][]

**附：**  
Python基础入门视频课程：[https://edu.csdn.net/course/detail/9347][https_edu.csdn.net_course_detail_9347]  
Python爬虫视频课程：[https://edu.csdn.net/course/detail/9564][https_edu.csdn.net_course_detail_9564]

\---------------------   
作者：tangyang8941   
来源：CSDN   
原文：https://blog.csdn.net/tangyang8941/article/details/82837284   
版权声明：本文为博主原创文章，转载请附上博文链接！

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70]: /images/20220418/3fd38c8ce7b04feeabf391eef9ed3624.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 1]: /images/20220418/df412bdf676b4379903a18bb58e3ad38.png
[20181107103653156.png]: /images/20220418/858f9bb0fae4455091b12a37f67630b3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 2]: /images/20220418/6f4f5ad4de344a85ab2cca7a2337d1ba.png
[2018110710405276.gif]: /images/20220418/391457ed46214d06a4877bf06ee23a2d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 3]: /images/20220418/517b66a2d3964c4982a6a6b99e44fae0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 4]: /images/20220418/aa93dbaadbcf4488bec49b427ab9e5ba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 5]: /images/20220418/5e10c69c0bd54e0c9b3d2f8ae4979d90.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 6]: /images/20220418/ff6c09bca46a460fa0ca3051ceecbc97.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 7]: /images/20220418/c9e02d74fb1844fe9f04fce76ecd956f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 8]: /images/20220418/75f01ac9510e4a94b3cdc25cb262864c.png
[20181107105134182.gif]: /images/20220418/d6a84e0b49e8461385ccb2efa3cc53cc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 9]: /images/20220418/0025558c9f1447608e94cf5f46688976.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0MTg1MzA_size_16_color_FFFFFF_t_70 10]: /images/20220418/13d719af510845af89aecaab38f39715.png
[https_edu.csdn.net_course_detail_9347]: https://edu.csdn.net/course/detail/9347
[https_edu.csdn.net_course_detail_9564]: https://edu.csdn.net/course/detail/9564