欢迎您,请 登录 或 立即注册
查看: 123|回复: 0

Python数据解读广大“钢铁直男”眼中的女神评判标准

[复制链接]

1244

主题

1244

帖子

3734

积分

论坛元老

Rank: 8Rank: 8

积分
3734
发表于 2019-4-10 09:19:11 | 显示全部楼层 |阅读模式


新书即将面世,后台回复教学大纲下载】,查看本书目录

-----


本文作者介绍: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

(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.dongqiudif88娱乐2        /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.dongqiudif88娱乐2        /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,在小编一周中最资生堂心水论坛的三天周四(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。

◆ ◆ ◆ ◆ ◆

-END-

课程名称

全国高校Python数据分析与实训课程高级研修班

全国高校大数据技术与实训课程高级研修班

全国高校六统天下小程序开发与实训课程高级研修班

时间和地点

1月17日-20日,厦门

报名表下载地址:

1. https://wj.余姚新闻f88娱乐2        /s/2879798/9463(复制到浏览器中)

2. 在后台回复【会议】或者【培训】

会议期间,将赠送最新出版的图书(首发








京东首发热卖中





600分钟超长视频讲解!本书案例具有实用性,例如校园网搜索引擎、小小翻译器、抓取百度图片这些爬虫案例略加修改可以应用到实际项目中;还有通过六统天下通信协议开发六统天下机器人、机器学习的文本分类、基于卷积神经网络的手写体识别等案例;另外是一些大家耳熟能详的游戏案例,例如连连看、推箱子、中国象棋、网络五子棋、两人麻将、人物拼图和飞机大战等游戏。

扫描,京东7.5折优惠购书中...

扫码,赠送免费图书
[url=htt
回复

使用道具 举报

发表回复

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表