Python 分析新垣结衣高圆圆佟丽娅,程序员最想娶的女星竟然是她!

百家 作者:程序人生 2018-12-17 06:25:37

作者 | 徐麟

责编 | 胡巍巍

本文图片来自于“懂球帝”APP



前言


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,笔者突发奇想,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:

出乎笔者意料的是,在笔者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,笔者也会密切关注这点。

推荐阅读:

print_r('点个赞吧');
var_dump('点个赞吧');
NSLog(@"点个赞吧!");
System.out.println("点个赞吧!");
console.log("点个赞吧!");
print("点个赞吧!");
printf("点个赞吧!n");
cout < < "点个赞吧!" < < endl;
Console.WriteLine("点个赞吧!");
fmt.Println("点个赞吧!");
Response.Write("点个赞吧");
alert(’点个赞吧’)
echo(’点个赞吧’)



关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

公众号 关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接