微信好友数据分析实战：Python清洗、可视化与词云制作全流程

微信好友加到一定数量之后，通讯录其实就不再是单纯的通讯录了。两千个好友的性别比例、地区分布、昵称风格、签名文案，本质上都是一份可以拿来练手的数据集。我这两年陆陆续续做过几轮“微信好友数据分析”，从最早用表格手工整理，到后来写 Python 脚本做清洗、可视化和词云，踩了不少坑，也沉淀了一套比较稳定的流程。这篇博客就用一个完整的个人实战项目，把数据怎么来、怎么洗、怎么分析、怎么做图、怎么避坑都讲清楚。适合刚开始接触数据分析的 Python 学习者，也适合那些手里有一堆微信好友但不知道能玩出什么花样的同学。

先说清楚边界：这篇文章只讨论合规的个人数据分析，所有数据来自你自己能合法接触的通讯录、自己维护的表格或者自己的企业微信客户数据。不碰任何非官方外挂、不搞抓包、不推荐任何灰色工具，所有代码和思路都能在普通电脑上直接跑。

1. 先想清楚：这个项目到底能分析什么

1.1 好友数据的几个常见维度

很多人一听到“微信好友数据分析”，第一反应是“好友列表能有什么好分析的”。实际上可玩的东西远比想象中多。我从实际项目里总结出了四个比较有价值的维度。

第一是基础画像类，包括性别、地区、微信号长度、昵称长度、备注名长度等。这类数据最直观，也是最容易出图的部分。性别比例能看出你的社交圈结构，省份和城市能看出你的人际关系地理分布。比如我自己的通讯录里，广东和北京两个省份占了近三分之一，和我的求学、工作经历完全对得上，这种数据和现实生活的映射本身就很有意思。

第二是文本类，主要是个性签名和昵称。签名是用户主动暴露出来的“人设”，有人写“努力搬砖”，有人写“岁月静好”，把两三百个签名汇总起来做分词和词云，能很直观地看到你的好友群体整体情绪和生活状态。昵称则可以统计常见前缀、长度分布，比如“A-”开头的微商昵称、“.”号结尾的中年商务风，都带有很强的群体标签属性。

第三是视觉类，主要是头像。头像可以下载下来做拼图矩阵，也可以按颜色、类型粗略分类。虽然程序很难自动判断头像里是人是猫，但单纯把所有头像拼成一张大图，视觉冲击力就足够强了。

第四是互动类，前提是你导出了聊天记录。聊天记录里的时间戳可以统计出你和好友的聊天活跃时段、高频联系人排行、每月聊天条数变化趋势。这类数据比单纯的通讯录静态信息更“重”，分析价值也更高，但获取门槛也更高，我放在后面扩展方向里讲。

1.2 数据从哪来：合规获取这件事必须放在第一位

我见过不少人在这一步直接跑偏。网上确实有一些工具能一键导出好友列表和聊天记录，但你得想清楚：这类工具要么用了非官方接口，要么需要注入破解后的库，轻则功能失效，重则账号被限制，更不用说隐私风险。所以我的建议非常明确：能用官方渠道就用官方渠道，能自己动手整理就自己动手整理。

目前比较靠谱的合规路径有三条。

第一条是微信官方自带的“个人信息与账单”导出功能。在微信的“设置-个人信息与权限-个人信息与账单”里，可以申请导出你的个人资料、支付账单等信息。这个导出的数据以个人注册信息为主，好友明细字段有限，但对做基础画像已经够用了。第二条是自己建表维护。我把微信通讯录里能看到的公开信息（昵称、备注名、性别、地区、签名）手动录入或半自动录入 Excel，再导入 Python 处理。听起来原始，但胜在完全合规、完全可控，而且数据量在几百到几千这个级别时，手工整理的成本其实没有想象中高。第三条是企业微信或公众号后台。如果你做运营，企业微信的客户联系功能可以直接导出客户列表和标签，公众号后台也能看到粉丝的地区和性别分布，这些都是官方接口，适合做商业向的用户画像分析。

我不建议碰的包括：任何基于非官方 hook 的导出工具、任何教你逆向 PC 端本地数据库的教程、任何需要扫码授权的第三方平台。原因很简单：个人数据合规本身就是数据分析从业者该有的基本素养，而且这类工具往往生命周期短、风险不可控，你辛苦跑出来的数据没准哪天就变成一堆乱码。

1.3 技术栈选型与技术理由

这个项目用 Python 是天然的选择，因为生态里能用的库实在太顺了。我用的核心库不多，但每一个都有明确用途。

pandas 负责数据清洗和统计，这是数据分析的地基。matplotlib 负责基础图表，饼图、柱状图、直方图都用它。pyecharts 负责地图和交互式图表，用来展示省份分布比 matplotlib 好看得多。jieba 做中文分词，处理个性签名文本。wordcloud 生成词云，Pillow 处理头像拼图。如果你想把结果汇报给团队或发到网上，jupyter notebook 再加 notebook 转 HTML 也很方便。

全套依赖就一行命令：

bash复制pip install pandas matplotlib pyecharts jieba wordcloud pillow

我建议把项目放在一个独立目录里，用虚拟环境隔离依赖，避免和系统 Python 环境互相污染。这个项目本身不重，CPU 和内存要求都很低，普通的办公笔记本就能流畅跑完所有分析流程。

2. 数据准备与清洗：动手前要处理的脏活

2.1 原始数据长什么样：字段设计与采集表

做数据清洗之前，先得有一张结构化的原始表。我自己的采集表在 Excel 里维护，字段设计如下：

这里有一个我踩过的坑：微信号字段并不是每个好友都看得到，有相当多的人微信号一栏被隐藏了。所以采集的时候不要把微信号当唯一标识，建议用“备注名+昵称+手机号”组合起来做一个临时 ID，保证去重时不误删。如果采集表是手工录入的，多花十分钟把备注名规范一下，后面清洗会省很多事。

数据量方面，我建议少于 200 人也别觉得不够。数据分析不要求你一定有几万条数据，重点是你能不能把有限的数据讲出有价值的故事。200 个好友足够画一张漂亮的性别饼图，也足够做一张不空洞的词云。

2.2 数据清洗的四个核心步骤

原始表录完之后，第一件事不是画图，而是让 pandas 读进来跑一次基础清洗。我常用的清洗步骤有四个，每一步都对应一个真实存在的坑。

第一步是去重。同一个好友可能因为换昵称或者我重复录入出现了两行数据，直接跑统计会把人数放大。我一般用“备注名 + 昵称”这两列的组合作为去重键：

python复制import pandas as pd