千里挑一的我乎妹子大V排行榜
作者：yea yee
1024M Tunnel 攻城狮™
知乎专栏：https://www.zhihu.com/people/yeayee/activities
项目背景
无聊刷首页点到一个哥们签名：
关注一万个高颜值的知乎妹子！
然后看到他已经关注了一千多，
随机抽样几个，颜值真的还不错。
于是想知道我乎的妹子大V都有哪些？
具体操作
撸一个虫虫，
随意选择一个时尚专栏，
迭代获取url_token，
单线程，从凌晨挂机采集，
早上收获15391 rows × 7 columns
数据初探
结论：勤能补拙是良训
建议知乎以上面的三项指标，
和相亲节目联合作为硬性指标，
也就不会坑到我们程序员啦~啦~
签名云图，相似度，行业匹配，颜值识别？
稍后慢慢奉上~~~
有图有真相，
直接上图进行解说：
解说：一万五的知乎妹子的名字进行词频统计，看看你熟悉的谁中招了？
另外，经不完全统计，除了个人真实图像以外，用猫作为图像的占比很大！
‘微信’、‘公众号’作为签名位居榜首；‘喜欢、爱好者’表明特长也无可厚非；
但实在不明白‘一个’、‘人’、‘爱’、‘狗’、‘好’、‘做’这样的高频词代表了神马？
高能预警
解说：以粉丝数/(文章数+回答数)进行排行，可以看出影响力？
别以为这就完了，更厉害登场
解说： 零回答、零文章也可以在我乎玩的这么任性！
这些人虽然没有回答和文章，但是人家提问题多啊，或者已经是DAV。
嚯嚯，小伙伴们有啥问题赶紧用知乎体发问哈！！！
还想知道更多分析？
稍后一一奉上~~~
自己挖的坑，接上一弹留下的作业：
过程实现：
1.根据抓取的url本地存储图片；
2.用face_recognition筛选出人脸，阿猫阿狗的删除；
3.用pillow打上妹子的知乎ID；
4.人工剔除部分动画类妹子图片（可以省略）；
5.处理华南理工大学数据集中的妹子颜值评分；
6.继续用face_recognition库中的face_distance获取图片的相似度（L2范数）。
原本是计划用face_recognition提取面部特征矩阵，
然后用Sklearn进行聚类分析，但是face_distance也可以做个大概判断。
PS：这个face_recognition很强大
http://link.zhihu.com/?target=https%3A//github.com/ageitgey/face_recognition/tree/master/examples
找到照片中的人脸Find faces in a photograph
https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture.py
识别照片中的面部特征Identify specific facial features in a photograph
https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py
def face_distance(face_encodings, face_to_compare):
"""
Given a list of face encodings, compare them to a known face encoding and get a euclidean distance
for each comparison face. The distance tells you how similar the faces are.
:param faces: List of face encodings to compare
:param face_to_compare: A face encoding to compare against
:return: A numpy ndarray with the distance for each face in the same order as the 'faces' array
"""
if len(face_encodings) == 0:
return np.empty((0))
return np.linalg.norm(face_encodings - face_to_compare, axis=1)试验结果：
1.共提取了3600多张颜值较高的妹子图片；
2.用随机1000张生成照片墙，结果太大，我乎不能上传；
3.文中插图为照片墙的部分截图，另完整一千妹子照片墙下载：
https://pan.baidu.com/s/1dFaVyCx
(17.1M)
4.需要原始数据（大图及华南理工数据集）可以站内私信。
作者详细介绍：
if civil：
print("国家注册岩土工程师，隧道高级工程师，岩土论坛分版主；熟悉岩土及隧道数值分析，伪BIMer。")
else：
print("代表作网站intumu.com，微信小程序海豹战队。掌握爬虫；熟悉Flask，MongoDB，Pandas，Bokeh；了解Sklearn，XGboost，Pytorch，NLP。")
while Wx_name:
print("微信:nemoon")Python爱好者社区历史文章大合集：
Python爱好者社区历史文章列表（每周append更新一次）
关注后在公众号内回复“课程”即可获取：
1.崔老师爬虫实战案例免费学习视频。
2.丘老师数据科学入门指导免费学习视频。
3.陈老师数据分析报告制作免费学习视频。
4.玩转大数据分析！Spark2.X+Python 精华实战课程免费学习视频。
5.丘老师Python网络爬虫实战免费学习视频。