用 Python 给全球女神颜值排个序

点击上方“开发者技术前线”，选择“星标”

13：21 在看 真爱

来源 | 数据森麟

公众号后台回复“女神”可以获取本文代码地址。

前言

朋友们，今天我们聊聊“女神大会”，作为一个钢铁直男，我打算用Python给全球女神颜值排个序，看看有没有你喜欢的种子选手~

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。

公众号后台回复“女神”可以获取本文代码地址。

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.

公众号后台回复“女神”可以获取本文代码地址。

当然学习掌握爬虫，Python要进阶！推荐一本对Python感兴趣的书籍《Python进阶》，是《Intermediate Python》的中文译本，IntermediatePython这本书具有如下几个优点：简单、易读、易译。这些都不是重点，重点是：它是一本开脑洞的书。无论你是Python初学者，还是Python高手，它显现给你的永远是Python里最美好的事物。

原书作者

感谢英文原著作者 @yasoob《Intermediate Python》，有了他才有了这里的一切

译者

总顾问+审校: 刘宇 @liuyu

主译: PyCon老高 @spawnris

主译: 大牙matt @suqi

参译: 明源 @muxueqz

本书作者的行文方式有着科普作家的风范，--那就是能将晦涩难懂的技术用比较清晰简洁的方式进行呈现，深入浅出的风格在每个章节的讨论中都得到了体现：

• 每个章节都非常精简，5分钟就能看完，用最简洁的例子精辟地展现了原理
• 每个章节都会通过疑问，来引导读者主动思考答案
• 每个章节都引导读者做延伸阅读，让有兴趣的读者能进一步举一反三
• 每个章节都是独立的，你可以挑选任意的章节开始阅读，而不受影响

中文链接：

http://interpy.eastlakeside.com/

英文链接：

http://book.pythontips.com/en/latest/

电子书下载

👆关注公众号后台回复：

Python进阶

END

开发者技术前线 ，汇集技术前线快讯和关注行业趋势，大厂干货，是开发者经历和成长的优秀指南。

ps:后台回复 “电子书” 即可领取程序员大礼包

历史阅读

好文和朋友一起看~