崔怂包上周末我抽空做了个一直想做的实验：把微信好友的数据完整地拉下来，做一次纯个人向的数据分析和可视化。最开始只是因为好奇——想知道自己的好友男女比例到底是不是传言中的“三七开”，后来做着做着发现，这个项目虽然入口很浅，但涉及数据采集、清洗、分析、可视化一整条链路，几乎是把Python数据分析的核心流程完整过了一遍。这篇文章把整个过程复盘出来，包含完整代码、实现思路和我踩过的坑，适合有Python基础、想做一个能写进简历或给自己看的数据分析实战项目的朋友参考。
项目本身不复杂，也不依赖深度学习或大模型，就是一个典型的数据分析项目：采集微信好友的昵称、性别、地区、个性签名、头像等基础信息，然后用pandas做清洗统计，再结合matplotlib、pyecharts、wordcloud等可视化库把结果变成直观的图表。整个过程跑通后，你得到的不仅是一堆图表，更是一套完整的数据分析思维框架。
1. 项目概述：这个教程要解决什么问题
1.1 为什么想做微信好友数据分析
先说动机。微信是目前社交关系沉淀最深的产品，好友列表里的性别、地区、签名，本质上是高度真实的人群画像数据。市面上有很多所谓的“微信好友分析工具”，但大多数是黑盒，有的甚至会上传你的好友数据到服务器，隐私风险很高。自己写脚本的好处有两个：一是完全本地运行，数据不过第三方服务器；二是整个过程可控，每一步做了什么、怎么处理的，心里有数。
另一个原因是技术上的。数据分析项目最怕的是“没有像样的数据源”，大部分教程用的都是网上现成的csv或者kaggle下载的数据集，做出来总觉得隔了一层。微信好友数据是我们天天接触、有真实体感的个人数据，分析结果出来之后你能立刻判断对不对——比如你的好友集中在哪些城市、男女比例是否符合你对社交圈的认知，这种“验证感”是虚拟数据集给不了的。
1.2 项目目标与适合人群
这个项目的核心目标可以拆成四个递进的层次：
- 采集层：通过Python脚本登录微信，拉取好友的基本信息列表，保存成结构化数据；
- 清洗层：对性别、地区、签名等字段做标准化处理，去掉空值和噪音；
- 分析层：统计男女比例、地域分布、签名关键词频率等关键指标；
- 可视化层：把统计结果制作成柱状图、地图、词云、照片墙，甚至拼成一屏可视化大屏。
适合人群方面，我的建议是：如果你已经掌握了Python基础语法，会一些pandas和matplotlib的简单操作，但缺少一个完整的实战项目来串联这些知识，这个项目非常适合你。它的技术门槛不高，但涉及的知识点密度相当大，可以一次性把“数据获取→清洗→分析→可视化的标准流程”走通。
1.3 整体技术架构
技术选型上没有用重型框架，纯Python脚本即可完成。核心依赖如下：
- itchat：基于web微信协议的第三方库，负责扫码登录、获取好友信息；
- pandas：表格数据处理，负责数据清洗和统计分析；
- matplotlib：基础图表绘制；
- pyecharts：生成交互式图表和可视化大屏的HTML文件；
- wordcloud / stylecloud：个性签名词云图；
- Pillow：头像下载后的拼图处理；
- jieba：中文分词，用于个性签名的关键词提取。
需要说明的是，pyecharts有两个大版本：0.5.x和1.x。两个版本的API差异很大，网上很多教程还是0.5.x的写法，安装后直接from pyecharts import Bar就能用；而1.x要用from pyecharts.charts import Bar。我建议新项目直接用1.x版本，语法更规范，文档也更清楚。本文代码基于pyecharts 1.x编写。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据获取：先拿到一份“干净”的好友列表
2.1 方案选型：为什么优先选择itchat
在动手写代码之前，最关键的问题是“数据从哪来”。目前社区里常见的方式有三种：第一种是itchat这类web微信接口库直接拉取，第二种是从微信电脑版的备份数据库里解析，第三种是手动复制粘贴。第三种显然是反人类的，我直接排除。第二种方案虽然稳定，但需要逆向解析sqlite数据库，而且微信每次升级都可能让解密方式失效，坑比较深，对新手不太友好。
itchat虽然也不是官方接口，但好处是封装彻底，几行代码就能拿到好友数据，适合快速验证想法。它的原理其实很简单：模拟浏览器向web微信的前端接口发请求，扫码登录后获取cookie，然后请求好友列表接口。当然，web微信本身已经被腾讯逐步收紧，现在很多新注册的微信号无法登录网页版。这点提前说清楚，如果你扫码后提示“该微信号无法登录网页版”，那就别折腾itchat了，直接用后面我会说的备用方案。
提示：不要拿你的主微信号去玩这种第三方登录，尤其是涉及支付、重要资料备份的账号，风险不可控。建议开一个小号，加一些测试好友后再跑。
2.2 采集流程与代码实现
数据获取的流程可以分为三步：扫码登录、拉取好友列表、逐字段存储。
第一步，安装依赖：
bash复制pip install itchat pandas matplotlib pyecharts wordcloud jieba pillow
第二步，登录并获取好友列表：
python复制import itchat
import pandas as pd
# 登录。hotReload=True会把登录状态缓存到本地文件，短时间内再次运行不用重新扫码。
itchat.auto_login(hotReload=True)
# update=True会强制从服务器刷新好友列表，不带这个参数默认走本地缓存。
friends = itchat.get_friends(update=True)
print(f"总共获取到 {len(friends)} 条记录")
这里有一个重要的细节：friends列表的第一条记录不是好友，而是你自己的账号信息。itchat.get_friends()返回的列表中索引0是当前登录账号自己，从索引1开始才是真正的好友列表。我第一次没注意这个，把统计结果里多算了一个“自己”，导致百分比失衡，排查了半天。
拿到原始数据后，我习惯先把所有字段转成DataFrame看一眼结构：
python复制df = pd.DataFrame(friends[1:])
df.to_csv('friends_raw.csv', index=False, encoding='utf-8-sig')
print(df.columns.tolist())
itchat返回的每条好友记录包含几十个字段，虽然很多字段没什么用，但像NickName、Sex、Province、City、Signature、HeadImgUrl这些核心字段基本都有。拿到这些，就完成了数据采集最重的一步。
2.3 备用方案：基于备份文件导出的思路
如果itchat用不了，网上还有一些基于本地备份文件的开源工具，原理是把手机或电脑上微信的聊天记录备份文件导出，再解析成可读的HTML或数据库。这类工具中比较知名的是GitHub上“留痕”系列，它能把微信聊天记录解密并导出成网页版，顺带也包含好友信息表。
我自己测试过这类工具，效果还算稳定，但安装过程比较折腾，需要用到加密数据库的密钥提取。这里不展开具体步骤，只给你一个思路：如果你连itchat扫码都过不了，就去搜微信聊天记录导出、备份解析相关的开源项目，把导出的结果转换成表格后，后面的清洗和分析流程完全一样。数据源不同，但分析框架是通用的。
3. 数据清洗与预处理：90%的时间都花在这
3.1 认识原始数据字段
拿到原始数据后，别急着画图。先花几分钟看看字段和脏数据情况。我通常会执行：
python复制df = pd.read_csv('friends_raw.csv')
# 查看缺失值情况
print(df[['Sex', 'Province', 'City', 'Signature']].isnull().sum())
# 查看唯一值
print(df['Sex'].value_counts())
print(df['Province'].value_counts().head(20))
这一步能快速发现几个常见问题。第一，Sex字段是数字编码：1代表男，2代表女，0代表未设置。但要注意，很多账号没有设置性别，这个比例高的时候能到20%以上，属于正常的脏数据。第二，Province和City字段大量为空，有些是“海外”，有些是“”空字符串，这些后面都要统一处理。第三，Signature看起来是文本，但内部混入了很多表情符号用[表情]之类的占位符表示，甚至有些签名就是一堆乱码。
3.2 性别、地区、签名的清洗策略
性别字段清洗最简单，直接做映射：
python复制sex_map = {1: '男', 2: '女', 0: '未知'}
df['sex_label'] = df['Sex'].map(sex_map)
这里我特意把“未知”保留而不是直接删掉。因为真实场景里，性别缺失并不代表数据错误，如果直接删除，统计口径就不全了。后续分析时可以选择只看男和女的数量，但在终版报告里我会把“未知”单列出来，让看图的人知道数据空白率是多少，这是数据分析的一个基本素养。
地区字段的清洗相对麻烦。我做了三件事：第一步，把空字符串统一替换为NaN；第二步，把Province和City串成一个完整的“省份-城市”字段；第三步，把“”这种特殊符号清理掉。
python复制df['Province'] = df['Province'].replace('', None)
df['City'] = df['City'].replace('', None)
df['location'] = df['Province'].fillna('') + '-' + df['City'].fillna('')
df['location'] = df['location'].str.strip('-')
这里有个细节：省份和城市在微信里是分开存的，有些人只填了省份，有些人只填了城市，所以拼接后要处理多余的短横线。
个性签名的清洗更有意思。我主要做两步：第一步是去掉表情占位符，比如[表情]、[微笑]这类，以及所有非中文字符；第二步是过滤空签名，因为大约有1/3的好友签名是空白。清洗后的签名才适合送到分词工具里做关键词提取。
python复制import re
def clean_signature(s):
if not isinstance(s, str):
return ''
s = re.sub(r'\[.*?\]', '', s) # 去掉表情占位符
s = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', s) # 只保留中英文和数字
return s.strip()
df['sig_clean'] = df['Signature'].apply(clean_signature)
3.3 头像批量下载与预处理
头像数据是很多人容易忽略的“富矿”。每个好友的头像URL存储在HeadImgUrl字段里，可以通过HTTP请求下载下来。这批头像最后可以做一张“好友头像墙”，视觉效果非常震撼。
下载头像时我踩过一个比较隐蔽的坑：itchat返回的HeadImgUrl是相对路径，前面要拼上https:前缀才能访问。如果直接拿原字段下载，会报404。
python复制import requests
import os
import time
os.makedirs('avatars', exist_ok=True)
for idx, row in df.iterrows():
url = 'https:' + row['HeadImgUrl']
try:
resp = requests.get(url, timeout=5)
if resp.status_code == 200:
with open(f'avatars/{idx}.jpg', 'wb') as f:
f.write(resp.content)
except Exception as e:
print(f'下载失败: {idx}, {row["NickName"]}, {e}')
time.sleep(0.1) # 控制请求频率，避免被封
下载过程中会有个别头像地址失效，导致保存成空文件。别慌，这属于正常损耗。后期生成头像墙时，只需要判断文件大小不为0的文件即可。
4. 可视化实战：把分析结果变成图
4.1 好友性别分布：柱状图与玫瑰图
数据清洗完毕，先做一个最简单的性别分布图。这里我用两种方式展示同一个数据：传统的柱状图和南丁格尔玫瑰图。玫瑰图实际是极坐标系下的柱状图，当数据是分类变量并且希望突出“占比差异”时，玫瑰图的效果比柱状图好很多，这也是pyecharts里比较讨喜的图形。
python复制from pyecharts.charts import Bar, Pie
from pyecharts import options as opts
sex_counts = df['sex_label'].value_counts()
# 柱状图
bar = (
Bar()
.add_xaxis(sex_counts.index.tolist())
.add_yaxis("好友数", sex_counts.values.tolist())
.set_global_opts(title_opts=opts.TitleOpts(title="微信好友性别分布"))
)
bar.render('sex_bar.html')
pyecharts生成的是交互式HTML文件，双击可以直接在浏览器里打开，比matplotlib的静态图好看得多。但注意一点：在Jupyter Notebook里，需要设置render_notebook()，在脚本里则是render('xxx.html')。
玫瑰图就是把Pie改成带半径的扇区：
python复制pie = (
Pie()
.add(
"性别",
[list(z) for z in zip(sex_counts.index.tolist(), sex_counts.values.tolist())],
radius=["20%", "60%"],
rosetype="radius",
)
.set_global_opts(title_opts=opts.TitleOpts(title="微信好友性别分布玫瑰图"))
)
pie.render('sex_rose.html')
4.2 好友地区分布：地图与Top榜单
地区分布是这个项目里最有“地理感”的分析。我的做法是：先按省份聚合并统计数量，然后把数据读取到pyecharts的Map组件里展示中国地图热力图。另一个视角是统计城市Top10，用条形图展示。
省份聚合一步到位：
python复制province_counts = df['Province'].fillna('未知').value_counts()
map_chart = (
Map()
.add(
"好友数量",
[list(z) for z in zip(province_counts.index.tolist(), province_counts.values.tolist())],
maptype="china",
)
.set_global_opts(
title_opts=opts.TitleOpts(title="微信好友省份分布"),
visualmap_opts=opts.VisualMapOpts(max_=100),
)
)
map_chart.render('province_map.html')
有一个版本问题要提醒：pyecharts的新版本把中国地图文件拆成了独立的包，如果你直接跑上面代码报错LazyLoad dict is empty，需要先执行：
bash复制pip install echarts-countries-pypkg echarts-china-provinces-pypkg echarts-china-cities-pypkg
或者更推荐的是安装全国地图包：
bash复制pip install pyecharts_snapshot
不过这属于老版本解法，新版本pyecharts已经默认内置了地图数据，如果报错，优先查一下pyecharts的版本是否有更新。
城市Top10的条形图没什么难度，但这里我建议加一个“好友所在城市密度”的角度，即用城市名加省份名一起展示，避免同名城市造成误读。比如“南京-江苏”和“南京-福建”其实是两个完全不同的地方。
4.3 个性签名词云与头像墙
个性签名是特别能反映好友“气质”的字段。处理方式很简单：把所有签名拼接成一个长文本，用jieba分词，过滤掉停用词，最后丢给wordcloud生成词云。
python复制import jieba
from wordcloud import WordCloud
import numpy as np
from PIL import Image
text = ' '.join(df['sig_clean'].dropna().tolist())
# 使用jieba分词，过滤单字和常见停用词
words = jieba.cut(text)
words = [w for w in words if len(w) > 1 and w not in stop_words]
filtered_text = ' '.join(words)
# 指定中文字体，否则词云会出现乱码
wc = WordCloud(
font_path='C:/Windows/Fonts/simhei.ttf',
width=1200,
height=800,
background_color='white',
max_words=200,
)
wc.generate(filtered_text)
wc.to_file('signature_wordcloud.png')
这里有几个容易翻车的细节。第一是字体：wordcloud默认字体不支持中文，如果不指定font_path，最后生成的就是一排小方块。最好是自己下载一个“黑体”或“宋体”的ttf文件放项目目录里，用相对路径引用，避免在服务器上没有Windows字体可用。第二是分词质量：jieba对网络用语和新词的切分效果一般，“打工人”“摸鱼”这类词可能会被拆开，必要时可以在jieba词典里手动加入这些词。第三是停用词表：网上有现成的中文停用词表，但签名数据里的高频无效词通常是“每天”“一个”“还是”“真的”这类，最好结合自己数据多跑两遍，手动补充停用词。
头像墙的做法比想象中简单。原理就是把所有好友头像缩小成等尺寸的小图，然后用Pillow在一块画布上一张一张地粘贴。核心代码如下：
python复制from PIL import Image
import glob
avatars = glob.glob('avatars/*.jpg')
size = 100 # 每张头像边长
cols = 20
rows = (len(avatars) + cols - 1) // cols
canvas = Image.new('RGB', (cols * size, rows * size), 'white')
for i, path in enumerate(avatars):
x = (i % cols) * size
y = (i // cols) * size
try:
img = Image.open(path).resize((size, size))
canvas.paste(img, (x, y))
except Exception as e:
continue
canvas.save('avatar_wall.jpg')
注意，头像文件里可能有下载失败的空文件，Image.open会直接抛异常，这里用try...except跳过是合理的。另外，如果好友数量很多，比如超过1000个，建议把每张头像的边长缩小到50，不然最后生成的图片会巨大，浏览器浏览器打开或者缩放都会卡。
4.4 进阶玩法：把多张图表拼成可视化大屏
单张图表的展示力有限，把多张图表拼成一个可视化大屏，才是真正的“项目亮点”。这里说的不是用PS硬拼，而是用pyecharts的Page或Grid组件，把多个图表统一渲染进一个HTML页面。
我常用的是Page的drag模式，它可以让你在浏览器里用鼠标拖动每张图的位置，非常适合做“可自由布局的分析报告”：
python复制from pyecharts.charts import Page
page = Page(layout=Page.DraggablePageLayout)
page.add(bar, pie, map_chart)
page.render('friend_analysis.html')
渲染完成后，浏览器打开friend_analysis.html，可以手动拖拽图表位置。拖好之后，右上角会有一个“save config”按钮，点击后会生成一个JSON配置文件。把这个文件保存下来，再用page.save_resize_html方法重新渲染一次，就能得到一张布局固定的大屏页面：
python复制Page.save_resize_html(
"friend_analysis.html",
cfg_file="chart_config.json",
dest="friend_analysis_final.html",
)
这套操作比较小众，网上资料少，我第一次做的时候卡了很久。实际上pyecharts的官方文档里就有一页专门讲这个，路径是“复杂布局-拖拽图表”，建议直接看官方文档，比我说的更好理解。
5. 常见问题与排查手册
5.1 登录、接口与数据完整性
问题一：扫码登录后提示“该微信号无法登录网页版”
这是目前最常见的失败场景。微信对web端的支持逐步收缩，很多账号没有登录网页版的权限。出现这种情况，一是用身边其他朋友的账号测试，确认是否账号权限问题；二是直接切换备用方案的导出工具，不要死磕itchat。另外特别提醒：如果某个账号能扫码登录，也不要频繁切换设备或短时间内多次登录，容易被风控。
问题二：hotReload失效，每次都要重新扫码
hotReload=True会把登录状态缓存到itchat.pkl文件。如果这个文件被删除，或者登录状态过期，就需要重新扫码。另外，如果你在运行过程中再次调用itchat.auto_login()，它也有可能重置状态。解决办法是：把获取数据这一步和后续分析分开，获取完数据后立刻导出csv，后面基于csv做分析和可视化，不要一直依赖登录态。
问题三：好友数量比通讯录里少很多
抛开公众号、服务号不说，web微信接口返回的好友列表本身就不包含部分特殊类型联系人，比如企业微信联系人、部分设备账号。另外，如果你用了“仅聊天”权限，可能也拉不到全部信息。所以最终统计结果不等于手机通讯录的总数，这是正常的，不必纠结。
5.2 中文显示与图片处理
问题四：csv文件用Excel打开是乱码
这几乎是我见过的最常见问题。解决办法不是改Excel的编码设置，而是在to_csv的时候指定编码为utf-8-sig：
python复制df.to_csv('friends_clean.csv', index=False, encoding='utf-8-sig')
utf-8-sig会在文件开头加一个BOM头，Excel识别BOM后就会用UTF-8解码，乱码问题就消失了。
问题五：pyecharts图表在Jupyter里不显示
render('xxx.html')是生成文件，要在Notebook里直接看，需要用render_notebook()。如果你用的是新版本pyecharts，还需要确认notebook环境已经安装相应依赖，一般升级pyecharts到最新版即可。
问题六：词云生成后全是方块
这基本就是字体问题。确认font_path指向的字体文件存在且是ttf格式，尽量不要用.ttc字体文件，wordcloud对.ttc的支持不太好。我通常把字体文件复制到项目根目录，用font_path='simhei.ttf'这种相对路径，最稳。
问题七：pyecharts的Map图省份数据不对
Map组件需要的数据格式是“省份名+数值”，省份名必须和地图内置的名称一致。比如“内蒙古自治区”和“内蒙古”在pyecharts的地图数据里对应关系比较微妙，建议自己打印pyecharts.datasets里的标准省份名称，或者把数据里的省份名统一处理后再传给Map，否则会出现“地图上显示不出来”的尴尬情况。
5.3 隐私与合规提醒
整个项目做下来，你手里已经有了一份包含好友昵称、头像、地区、签名、性别等信息的完整数据集。这里面有大量真实个人的隐私数据。这里郑重提醒几件事：第一，这个项目只适合分析自己的账号数据，不要拿别人的账号或数据随便跑；第二，生成的可视化结果如果要发朋友圈或博客，务必要做脱敏处理，尤其是好友头像墙这种图，涉及大量真人头像，网上公开发布前一定要三思；第三，不要利用好友数据分析做任何营销推广、骚扰、用户画像倒卖之类的事情，一旦越过边界，性质就完全变了。
我做头像墙的时候，最开始没想太多，直接把成品图发给了几个要好的朋友，结果发现大家的第一反应不是“哇好酷”，而是“我的头像在哪个位置，你有没有存我头像”。这让我意识到，在技术极客眼里这只是图片拼贴，但对普通人来说，这是对自己的数据被怎么使用非常敏感的。所以整个项目最后我还是把公开分享的头像墙做了模糊化处理，只保留所有人轮廓，这既保护朋友隐私，也避免自己惹上不必要的麻烦。
这个项目后续还可以继续扩展的方向有很多，比如如果你能导出聊天记录，可以做好友聊天频率分析、关键词热度分析，甚至利用好友的互动数据构建关系网络图；如果账号好友量级很大、达到几万级别，再把数据导入到Spark里做分布式统计分析也不迟；如果想把图表做到实时刷新，可以尝试把数据接进Kafka消息队列，用流处理方式驱动大屏更新。但这些都是另一个量级的工程了，先把离线分析这步走扎实，比什么都强。
最后再说一个小技巧。整个项目跑通后，我会把关键的分析代码封装成一个analyze.py脚本，输入csv路径，自动输出所有图表文件。以后但凡想再分析一次，只要数据更新了，跑一遍脚本就能拿到一套全新的可视化报告，不用每次都从登录那步开始重复操作。这其实也是数据分析工作的一个常态：一次开发，重复使用，把繁琐流程沉淀成工具，剩下的时间就可以放在解读数据、挖掘洞察上了。