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).contentnews = 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_idtitle_list = title_list+this_titlepic_list = pic_list+this_picdate_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).contenttry:content = BeautifulSoup(html.decode('utf-8'),"html.parser")score = content.find('span',attrs={'style':"color:#ff0000"}).textprev_title = content.find('a',attrs={"target": "_self"}).textprev_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。

彩蛋

评论并转发这篇文章,获得点赞数最多的两位读者可以从下面链接中出现的书籍任选一本作为奖品: ,要求评论超过25字,并与本文相关,截止时间为12月19日21点

公众号后台回复“女神”可以获取本文代码地址

◆ ◆ ◆  ◆ ◆

数据森麟
长按二维码关注我们


数据森麟公众号的交流群已经建立,许多小伙伴已经加入其中,感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容,还没有加入的小伙伴可以通过扫描下方管理员二维码,让管理员帮忙拉进群,期待大家的加入。

管理员二维码:

猜你喜欢

数据解读广大“钢铁直男”眼中的女神评判标准(文末有彩蛋)相关推荐

  1. 数据解读广大“钢铁直男”眼中的女神评判标准

    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 ...

  2. Python数据解读广大“钢铁直男”眼中的女神

    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 ...

  3. 新年伊始,我们共赴数据盛宴,与未来对话!​(文末有彩蛋)

    2018年1月3日,第四届清华大学大数据人才新春交流会如期而至.本届交流会继续秉承"跨界融合.谋求共赢"的理念,邀请了数据科学研究院管理委员会及教育指导委员会的代表.大数据培养项目 ...

  4. 新年伊始,我们共赴数据盛宴,与未来对话 !​(文末有彩蛋)

    2018年1月3日,第四届清华大学大数据人才新春交流会如期而至.本届交流会继续秉承"跨界融合.谋求共赢"的理念,邀请了数据科学研究院管理委员会及教育指导委员会的代表.大数据培养项目 ...

  5. Python3,网站搭建之数据库表设计及数据存储!文末的彩蛋,我酸了~

    搭建自己的网站,是作为一个码农成功标志之一, 那其他成功标志有啥呢, 嘿- 左手搂着白富美,右手撸着小烧烤,脚底踩着桑塔纳- 嗯~ 这么潇洒的人生,就从数据库表设计及数据存储开始吧! 数据库表设计及存 ...

  6. 量化风控全方位指标解读|文末有彩蛋

    无论是授信跟定价,其中最重要的一点就是给客户打分,做风险分层.对公业务如此,个人信贷亦然,在量化风控上都有一些方法通用.还记得我们在较早前文章中介绍的量化风险的内容吗? 请看:<瞅瞅银行的LGD ...

  7. 专访猩便利司江华:无人值守便利架是“数据”生意,多数玩家最终会死在没有供应链这件事上(文末有彩蛋)

    猩便利联合创始人&CEO 司江华 司江华说:"未来在整个零售系统里,数据领导的算法将满足用户对商品的需求,无人值守便利架终究是'数据'生意." 记者 | 郭敏 官网 | w ...

  8. 我所认识的数据产品经理(文末有彩蛋)

    作者:公子龙 今天想聊聊一位天池科学家排名前五的大牛李凯东,大家喜欢称他李老师. 2005 年的时候,尚未大学毕业的李老师,就开始和相识的清华学长一起创业,这段创业旅程,远远的超过李老师原本预期的时间 ...

  9. 夸奖对方代码写的好_不仅会写代码,「得到」程序员还研发了一套“钢铁直男夸人公式”...

    原标题:不仅会写代码,「得到」程序员还研发了一套"钢铁直男夸人公式" 来源:网络 说起程序员,就会想到那句经典的"多喝热水".程序员常常给人一种不擅长聊天的&q ...

  10. 我的男朋友是钢铁直男

    我的男友是钢铁直男 是谁说过一个钢铁直男也可以因为爱情,渐渐地变成一个小奶狗的,如果这是真的,那我觉得我男朋友可能已经到了无可救药的地步了.有的时候我也在怀疑,他是怎么有的对象的呢??? 在恋爱中最折 ...

最新文章

  1. Hadoop每日一讨论整理版
  2. 单招计算机专业综合测试,单招计算机专业模习题.doc
  3. Mysql1 晨考题
  4. 错误类型、混淆矩阵及目标检测常用评价指标
  5. unity怪物攻击玩家减血_怪物猎人发布15周年 — 回顾历代封面怪之三大传奇怪物...
  6. java数组长度最大值,javase-获取数组最大值
  7. 英语总结系列(二十九):好好学英语
  8. 查询SQLServer的启动时间
  9. python风控建模培训
  10. Python 开发环境Spyder介绍 【初学者友好】
  11. 苹果操作系统 Mac OS 查看网络中电脑的端口是否开放
  12. Linux操作系统平台
  13. 关于Nginx mmap(MAP_ANON|MAP_SHARED, 314572800)报错
  14. 我栋楼几个人共享上网,别人过量占用带宽,平均分网速
  15. naarray查询 swift_VLOOKUP查询时为什么会出现NA?原来知道这6种解决方法这么重要...
  16. winForm开发问题,vs的bug,Datagridview始终不能编辑!
  17. 三星推出硬盘960 Evo SSD 读取速度达3200MB/s
  18. node 导出csv文件_如何使用Node.js编写CSV文件
  19. comment(comment可数还是不可数)
  20. H.264编码器在需要时强制插入关键帧

热门文章

  1. 前后端分离使用VUE(跨域问题解决)
  2. 基于JWT实现用户身份认证
  3. oracle内存最多用到2g,在Oracle数据库中使用超过2G的内存
  4. jvm oom内存溢出,导出dump,使用mat进行问题分析
  5. 07胡润IT富豪榜发布:李彦宏成IT首富
  6. Cisco设备的简介和IOS的备份、恢复、升级
  7. 潍坊青州AAA企业信用评级申请条件和流程
  8. gmod加入服务器就未响应,gmod服务器无响应
  9. 内容营销如何影响搜索排名
  10. find命令的prune用法总结