微信好友数据分析实战：从数据清洗到可视化报告

做数据分析这些年，我经常被问到的一个问题是：手头没有像样的数据可以练手怎么办。其实每个人的微信好友列表就是一个现成的、真实的数据集。这个项目就是把我的微信好友数据批量导出来，用 Python 做了一轮完整的数据清洗、特征分析和可视化，最后产出一份能直接看的好友画像报告。整个过程不复杂，涉及的库就是 pandas、pyecharts、jieba 和 wordcloud，非常适合刚入门数据分析的同学作为第一个完整项目来练手，也可以给有经验的工程师当作一套标准化的数据处理流程参考。

先说清楚这个项目能解决什么问题：一是让你掌握“拿到原始数据之后，怎么一步步变成有价值的结论”的完整思路；二是把数据分析与可视化中最常用到的技能点都串起来，包括数据清洗、分组统计、文本挖掘、图表绘制和报告组装。你不用懂太深的理论，跟着流程走一遍，基本的数据分析思维就能建立起来。下面我直接把当时的实操过程、踩过的坑和最终代码都摊开来讲。

1. 项目概述与整体设计思路

1.1 我们到底在分析什么

很多人一听到“微信好友数据分析”，第一反应就是要爬聊天记录、采集朋友圈，其实不是。好友分析的对象只是通讯录里的基础信息，核心字段就这几个：昵称、性别、地区、个性签名、备注名、标签分组。这些字段在你自己的通讯录里都能看到，不涉及聊天内容，合规性上要友好很多。

基于这些字段，我们能回答的问题很实在：

• 好友中男女比例大约是多少，未知性别占比高不高
• 好友都集中在哪些省市，社交圈是否偏地域化
• 个性签名里出现最多的关键词是什么，反映了什么特征
• 大家的备注习惯是什么样的，有没有统一规律
• 标签分组分布如何，是否有人做了很好的好友分类管理

我当时做这个项目的目标，就是把这几个问题用图表直观地呈现出来。最终产出的不是一堆表格，而是一个可以滚动查看、可以交互的 HTML 报告，发给朋友看的时候大家都觉得很有意思。这种“从数据到结论再到分享”的完整闭环，才是数据分析的真实价值。光有一堆图表没有洞察，那叫画图，不叫分析。

1.2 技术选型：为什么是 pandas 加 pyecharts

技术选型上其实我纠结过一阵子，因为可视化的库实在太多了。matplotlib 是基础，但画出来默认风格偏老，中文乱码问题能把人折磨死；seaborn 统计图表漂亮，但做地图和交互式图表要额外组合；plotly 交互能力很强，不过在离线环境下使用和部署有点繁琐。

我最终把主力放在 pandas 加 pyecharts 这套组合上。pandas 负责数据清洗和统计计算，这是它的看家本领；pyecharts 负责所有图表输出，它在底层封装了 ECharts，既支持交互、又对中文字体支持得不错，生成的 HTML 文件可以直接发给任何人打开看，不需要搭建服务，也不依赖网络。

当然我不是说 matplotlib 没用，它是很多高级定制的基础。但如果你做的是一份要发给别人看、要带交互效果的分析报告，pyecharts 是更省事的选择。环境方面，Python 3.8 以上都行，安装命令很简单：

bash复制pip install pandas pyecharts jieba wordcloud

这里提个醒：pyecharts 版本变化挺大，网上很多旧教程用的是 1.x 版本，代码写法完全不一样。本文代码基于 pyecharts 2.x 版本，也就是当前 pip 默认安装的版本，如果你发现 from pyecharts.charts import Bar 报错，先检查版本。

2. 数据获取与预处理：先把数据搞干净

2.1 数据获取的现实情况与合规底线

先聊一个绕不开的现实情况：微信官方目前没有提供一套公开、稳定的批量导出好友信息接口。早年大家常用的网页协议版方案现在大范围失效，而且扫码登录有风控风险；本地数据库解析的方案又涉及逆向和隐私，工具版本跟着微信更新走，今天能跑通明天可能就不行。所以在这个环节，我不建议你把精力全部押在“一定要拿到全量真实数据”上。

我的建议是两条腿走路：如果你想先跑通流程，直接用下面的模拟数据脚本，几分钟就能生成一份结构完全一致的 CSV 文件，所有分析和可视化代码都不受影响；如果你确实想分析自己的通讯录，可以用手机通讯录里能看到的字段，在 Excel 里手动整理一份脱敏版本，几十条数据一样能学会整套分析方法。等你真正确认某个数据导出工具可靠、且只在自己电脑上处理不对外泄露，再去做完整导入也不迟。

这里我需要强调一个底线：整个项目只允许分析你自己的账号、你自己的好友数据，不能在公开渠道传播好友的原始信息。我后面在报告展示环节也做了昵称打码处理，这是对数据最基本的尊重。合规和安全永远排在技术前面。

2.2 定义统一的数据格式

为了让后续代码复用性更强，我一开始就把数据格式固定了下来。不管数据从哪来，最终都要转换成这样一个 CSV，包含六个字段：昵称、性别、省份、城市、签名、备注、标签。标签字段可能存在多条，用英文分号分隔。