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,我们也期待著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,未来随著期数的增加,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,未来随著期数的增加,小编也会密切关注这点。
彩蛋
关注,点赞后获取完整源码。
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。
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
推荐阅读: