当Python遇上朱茵、迪丽热巴、林志玲、王祖贤等众多美女
作者介绍:徐麟,目前就职于互联网公司数据部,哥大统计数据狗,从事数据挖掘&分析工作,喜欢用R&Python玩一些不一样的数据
个人公众号:数据森麟(ID:shujusenlin),知乎同名专栏作者。
前言
本文图片来自于“懂球帝”APP
笔者作为一位喜爱足球的球迷,“懂球帝”一定会是款必不可少的app,即使是只有16G的空间,也从未将其卸载。然而我们今天聊的与足球无关,而是去聊懂球帝上的“女神大会”专栏,作为一个大型“钢铁直男”聚集地,“懂球帝”上对各位女神的评分,对广大“钢铁直男”群体也具有一定代表性。
数据来源
目前女神大会更新至了第90期,总共出场了90位女神,界面如下:
我们通过fiddler获取该界面中女神的照片地址以及每一篇文章的id编号,用于之后的爬取和可视化,代码如下:
import json
import requests
from bs4 import BeautifulSoup
import pandas as pd
import re
import os
os.chdir('D:/爬虫/女神')
id_list = []
title_list = []
pic_list = []
date_list=[]
for i in range(1,6):
url= 'http://api.dongqiudi.com/search?keywords=%E5%A5%B3%E7%A5%9E%E5%A4%A7%E4%BC%9A&type=all&page='+str(i)
html = requests.get(url=url).content
news = json.loads(html.decode('utf-8'))['news']
this_id = [k['id'] for k in news]
this_pic = [k['thumb'] for k in news]
this_title = [k['title'] for k in news]
this_date = [k['pubdate'] for k in news]
this_title=[BeautifulSoup(k,"html.parser").text for k in this_title]
id_list = id_list+this_id
title_list = title_list+this_title
pic_list = pic_list+this_pic
date_list = date_list+this_date
另一方面,每位女神的评分都在下一期当中,我们需要爬取文章内容进行获取:
爬取代码如下:
prev_title_list = []
score_list=[]
count_list=[]
for id in id_list:
url = 'http://www.dongqiudi.com/archive/{k}.html'.format(k=id)
header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0',
'Connection': 'keep-alive'}
cookies ='v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'
cookie = {}
for line in cookies.split(';'):
name, value = cookies.strip().split('=', 1)
cookie[name] = value
html = requests.get(url,cookies=cookie, headers=header).content
try:
content = BeautifulSoup(html.decode('utf-8'),"html.parser")
score = content.find('span',attrs={'style':"color:#ff0000"}).text
prev_title = content.find('a',attrs={"target": "_self"}).text
prev_title_list.append(prev_title)
score_list.append(score)
sentence = content.text.split(',')
count=[k for k in sentence if re.search('截至目前',str(k))][0]
count_list.append(count)
except:
continue
整体对比
我们此次利用R语言中的ggimage包,将获取到的女神图片加入到最终的图表中,提高可视化效果,首先看一下整体评分的TOP15名单:
朱茵、林志玲、高圆圆位居榜单前三位,不知道这份榜单是否符合你心目中的女神标准,而这三位也恰好成为了目前出场的90位女星当中香港、台湾、大陆的最高分。值得一提的是,懂球帝小编对于活跃于90年代的香港女星情有独钟,从中选取了非常多的女神,而这些女神的评分也都名列前茅。
下面看一下目前出场的90位女神中,排名相对靠后的几位:
很多朋友会觉得这份榜单对于年轻女神有些苛刻,可能这也代表了广大网友对于各位年轻女神的美好期许,体现了她们未来的无限可能。
区域对比
我们分区域看一下目前各个区域排名前十的名单:
看完了各个区域TOP10的名单之后,我们进行一下区域的对比:
我们将小提琴图与盒形图相结合,进行区域的对比,可以看到大陆女星的评分相对偏低,一方面是由于部分女神的评分较低,拉低了整体的分值,另一方面也是由于目前出场的大陆女星年龄普遍偏小,而这一点也会在下一部分得到证实
年份对比
我们看一下各个年份出生的女星总体评分情况对比,其中“60后”选项也包含了60前的女神,“90后”选项也包含了00后的女神
可以看到60后、70后的女神们平均分数要高于80后,而80后显著高于90后,一方面说明了大家对老牌女神们的认可,另一方面也是体现了大家对新生女神们的无限期许。
我们下面将区域与年份综合起来进行对比:
可以看到参与评分的大陆女神普遍比较年轻,这也一定程度解释了此前提到的大陆女神整体评分偏低的原因。而港台女神普遍集中在60、70后,这些女神们活跃的90年代也是香港电影、电视的黄金时期,我们也期待着香港影视未来的复苏
后记
懂球帝目前的女神大会做到了90期,并没有十分完整地囊括广大女神,比如“四旦双冰”就都没有出现,使得这次的数据并不能完全地表述广大“钢铁直男”心中的女神标准,未来随着期数的增加,相信会有更加完善的分析。
最后,小编突发奇想,想要看下在一周中不同时间出场的女神评分是否会有区别:
出乎小编意料的是,在小编一周中最开心的三天周四(即将放假),周五(迎接放假),周六(享受放假)的三天中出场的女神评分反而偏低,或许是由于数据量偏少,未来随着期数的增加,小编也会密切关注这点。
推荐阅读
今日问题
元旦快乐哈!
分析结果和的预期相符吗?
你心中的女神又是谁?
打卡格式:打卡第n天,答:...
为什么打卡?戳下面就知道了!
猛
戳
这
儿
21/天/养/一/个/好/习/惯
当Python遇上朱茵、迪丽热巴、林志玲、王祖贤等众多美女相关推荐
- 当python遇上echarts (三)绘制3D图表
当python遇上echarts (二)绘制基本图表 文章目录 前言 3D图形配置项及方法 Grid3DOpts:三维笛卡尔坐标系配置项 Axis3DOpts:三维坐标轴配置项 add(): 共有的方 ...
- 谁说QTP不能多线程 - 当Python遇上QTP
谁说QTP不能多线程 - 当Python遇上QTP 作者:Wally Yu (微博:http://weibo.com/quicktest) 经常有人问我一个问题:QTP可以同时做多个项目的自动化吗?我 ...
- 文末送书 | 当Python遇上高考,会发生什么?
(文末送书哦!) 延期一个月之后,1071万考生终于熬出头了. 这届高考太难了,不仅考学生,更是考验疫情的防控能力. 但是说到难,2018年浙江省教育厅的一个决定,让不少人感叹真难! 原来早在2017 ...
- 当Python遇上高考,会发生什么?
延期一个月之后,今天,1071万考生终于走入考场. 这届高考太难了,不仅考学生,更是考验疫情的防控能力. 但是说到难,2018年浙江省教育厅的一个决定,让不少人感叹真难! 原来早在2017年底,就有消 ...
- python办公实用功能_【一点资讯】实用办公技巧贴——当Python遇上PDF www.yidianzixun.com...
Portable Document Format(可移植文档格式),即PDF是一种文件格式,可以用于跨操作系统的呈现和文档交换.尽管PDF最初是由Adobe发明的,但它现在是由国际标准化组织(ISO) ...
- python训练营微信广告_当Python遇上微信,可以这么玩
词云那里可以换成小黄人图片 -------------------------------------------------------------------------------------- ...
- 【ArcGIS遇上Python】从入门到精通系列之第一章:ArcGIS Python简介
文章目录 1. Python简介 2. Python的特点 3. ArcGIS的脚本语言 4. ArcGIS中的Python脚本编辑器 1. Python简介 Python是一种跨平台的计算机程序设计 ...
- 【ArcGIS遇上Python】ArcGIS Python批处理入门到精通实用教程目录
文章目录 1. 专栏简介 2. 专栏地址 3. 专栏目录 1. 专栏简介 Python语言是目前很火热的语言,极大的促进了人工智能发展.你知道在ArcGIS中也会有python的身影吗?事实上,在Ar ...
- python 暂停程序 等待用户输入_遇上Python程序暂停时,不要慌,教你正确的处理方法...
今天为大家带来的内容是:遇上Python程序暂停时,不要慌,教你正确的处理方法! 文章内容主要介绍了Python程序暂停的实现代码,非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下,喜欢的记得点 ...
最新文章
- iOS 11开发教程(十三)iOS11应用编辑界面添加视图
- myd加入mysql数据库_mysql数据库是.frm,.myd,myi备份如何导入mysql
- docker虚拟机动态扩展内存
- jquery 统计统计子标签的个数
- 浏览器拦截跨域请求处理方法(已阻止跨源请求:同源策略禁止读取远程资源)
- 计算机二级vb资料百度云,全国计算机等级考试二级VB复习资料.pdf
- matlab连接github,GitHub - chenboshuo/learn_matlab: 我的matlab学习
- dstat 性能监测工具
- WEB前端(4)—— CSS经典案例(DIV+CSS布局)
- android 模拟器 锁屏,锁屏桌面全模拟 Android 4.0伪装教程
- Windows设置防火墙允许指定应用正常使用网络
- android实现手机号验证码注册
- MySQL查询效率问题
- win7计算机自动关机设置在哪里设置方法,win7系统怎么设置自动关机
- 腾讯 2016届实习生招聘笔试
- idea 注释 rendered view
- NAT模式、路由模式、桥接模式 区别对比
- Pytorch 3D卷积
- 开源IoT操作系统Mynewt使用简介
- [庆国庆]来生情缘-温情女儿国