用 Python 分析全球最美Top100女神

一、前言

前一段時間，國外媒體 TOP BEAUTY WORLD 評選了全球最帥男性和最美女性Top100，肖戰(zhàn)成為了該排行榜歷屆以來首位登頂?shù)膩喼奕恕＿@一消息立刻成為了流量的熱點。

想看一下榜單中的最美小姐姐的信息?？墒乾F(xiàn)在還沒有最美小姐姐的文字榜單信息。但網(wǎng)站里有上一屆的全球最美女性前一百名的榜單數(shù)據(jù)，包含了姓名、地區(qū)和職業(yè)等信息。

全球最美 Top100 女神榜單數(shù)據(jù)，怎能不獲取下來好好探究一波？下面我們利用 Python 爬蟲將榜單數(shù)據(jù)獲取下來，并進行數(shù)據(jù)可視化。

二、爬取數(shù)據(jù)

首先，我們想要獲取到的數(shù)據(jù)，包括小姐姐的姓名、地區(qū)、職業(yè)等信息。檢查發(fā)現(xiàn)網(wǎng)頁屬于靜態(tài)網(wǎng)頁，因此可以直接分析網(wǎng)頁源代碼，提取出我們想要的數(shù)據(jù)。

Python代碼如下：

#?-*-?coding:?UTF-8?-*-
"""
@File ???：spider.py
@Author ?：葉庭云
@CSDN ???：https://yetingyun.blog.csdn.net/
"""
import?requests
from?lxml?import?etree
import?logging
from?fake_useragent?import?UserAgent
import?openpyxl

wb?=?openpyxl.Workbook()
sheet?=?wb.active
sheet.append(['ranking',?'name',?'country',?'occupation',?'up_score',?'down_score'])
logging.basicConfig(level=logging.INFO,?format='%(asctime)s?-?%(levelname)s:?%(message)s')
#?隨機產生請求頭
ua?=?UserAgent(verify_ssl=False,?path='fake_useragent.json')

headers?=?{
????"accept-encoding":?"gzip",
????"upgrade-insecure-requests":?"1",
????"user-agent":?ua.random,
}

url?=?"https://kingchoice.me/topic-the-100-most-beautiful-women-in-the-world-2020-close-jan-29-2021-1255.html?option=40924"
response?=?requests.get(url,?headers=headers)
#?print(response.status_code)
#?print(response.text)
html?=?etree.HTML(response.text)
lis?=?html.xpath('//div[@class="channel-box3-body?box3-body"]/ul/li')
logging.info(len(lis))???#?100條信息

for?index_,?li?in?enumerate(lis,?start=1):
????src?=?li.xpath('.//div[@class="avatar"]/img/@src')[0]?????#?圖片
????name?=?li.xpath('.//div[@class="info"]/a/h3/text()')[0]???#?姓名
????country,?occupation?=?li.xpath('.//div[@class="info"]/span/text()')[0].split('?',?1)??#?地區(qū)?職業(yè)
????up_score?=?li.xpath('.//div[@class="des"]/div[1]/ul/li[1]/span/text()')[0]????#?up分數(shù)
????down_score?=?li.xpath('.//div[@class="des"]/div[1]/ul/li[2]/span/text()')[0]??#?down分數(shù)
????img?=?requests.get(src,?headers=headers).content
????with?open(r'.\Top100_beauty_img\{}.jpg'.format(name),?'wb')?as?f:
????????f.write(img)
????sheet.append([index_,?name,?country,?occupation,?up_score,?down_score])
????logging.info([index_,?name,?country,?occupation,?up_score,?down_score])
????logging.info('已保存{}的信息'.format(name))

wb.save(filename='datas.xlsx')

結果如下：

三、數(shù)據(jù)可視化

先來看看全球最美 Top100 女神得分情況

#?-*-?coding:?UTF-8?-*-
"""
@File ???：得分.py
@Author ?：葉庭云
@CSDN ???：https://yetingyun.blog.csdn.net/
"""
import?pandas?as?pd
import?pyecharts.options?as?opts
from?pyecharts.charts?import?Line
from?pyecharts.datasets?import?register_files
from?pyecharts.globals?import?CurrentConfig

#?導入自定義的主題?可自己定制??也可以就用pyecharts官方的幾種
register_files({"myTheme":?["themes/myTheme",?"js"]})
CurrentConfig.ONLINE_HOST?=?'D:/python/pyecharts-assets-master/assets/'

df?=?pd.read_excel('datas.xlsx')
up_score?=?list(df['up_score'])
down_score?=?list(df['down_score'])
x_data?=?[i?for?i?in?range(1,?101)]

c?=?(
????Line(init_opts=opts.InitOpts(theme='myTheme'))
????.add_xaxis(xaxis_data=x_data)
????.set_colors(['#7FFF00',?'red'])?????#?設置兩條折線圖的顏色
????.add_yaxis('up_score',?y_axis=up_score,
???????????????label_opts=opts.LabelOpts(is_show=False)
???????????????)
????.add_yaxis('down_socre',?y_axis=down_score,
????????????????label_opts=opts.LabelOpts(is_show=False)
???????????????)
????.set_global_opts(?????#?設置x軸?y軸標簽
????????xaxis_opts=opts.AxisOpts(name='排名'),
????????yaxis_opts=opts.AxisOpts(name='得分'),
????????title_opts=opts.TitleOpts('得分情況')

????)
????.render('得分.html')
)

結果如下：排第一、第二的 Lalisa Manoban 和 Taylor Swift 得分遠遠高于之后的美女。

Top100 美女地區(qū)分布

#?-*-?coding:?UTF-8?-*-
"""
@File ???：女神地區(qū).py
@Author ?：葉庭云
@CSDN ???：https://yetingyun.blog.csdn.net/
"""
import?pandas?as?pd
from?collections?import?Counter
from?pyecharts?import?options?as?opts
from?pyecharts.charts?import?Bar
from?pyecharts.globals?import?ThemeType,?CurrentConfig
import?random

CurrentConfig.ONLINE_HOST?=?'D:/python/pyecharts-assets-master/assets/'

df?=?pd.read_excel('datas.xlsx')
areas?=?df['country']
area_list?=?[]
for?item?in?areas:
?if?'-'?in?item:
??item?=?item.split('-')
??for?i?in?item:
???area_list.append(i)
?else:
??area_list.append(item)

area_count?=?Counter(area_list).most_common(10)
print(area_count)
area?=?[x[0]?for?x?in?area_count]
nums?=?[y[1]?for?y?in?area_count]
#?使用風格
bar?=?Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
colors?=?['red',?'#0000CD',?'#000000',?'#008000',?'#FF1493',?'#FFD700',?'#FF4500',?'#00FA9A',?'#191970',?'#9932CC']
random.shuffle(colors)
#?配置y軸數(shù)據(jù)??Baritem
y?=?[]
for?i?in?range(10):
?y.append(
??opts.BarItem(
???name=area[i],
???value=nums[i],
???itemstyle_opts=opts.ItemStyleOpts(color=colors[i])???#?設置每根柱子的顏色
??)
?)
bar.add_xaxis(xaxis_data=area)
bar.add_yaxis("上榜美女數(shù)",?y)
bar.set_global_opts(xaxis_opts=opts.AxisOpts(
?????????name='國家',
?????????axislabel_opts=opts.LabelOpts(rotate=45)
?????????),
?????yaxis_opts=opts.AxisOpts(
?????????name='上榜美女數(shù)',?min_=0,?max_=55,?????#?y軸刻度的最小值?最大值
?????),
?????title_opts=opts.TitleOpts(
??????title="各地區(qū)上榜美女數(shù)",
??????title_textstyle_opts=opts.TextStyleOpts(
???????font_family="KaiTi",?font_size=25,?color="black"
??????)
?????))
#?標記最大值??最小值??平均值???標記平均線
bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False),
?????markpoint_opts=opts.MarkPointOpts(
?????data=[
??????opts.MarkPointItem(type_="max",?name="最大值"),
??????opts.MarkPointItem(type_="min",?name="最小值"),
??????opts.MarkPointItem(type_="average",?name="平均值")]),
?????markline_opts=opts.MarkLineOpts(
?????data=[
??????opts.MarkLineItem(type_="average",?name="平均值")]))
bar.render("女神地區(qū)分布.html")

結果如下：可以看到，英美地區(qū)的美女上榜人數(shù)最多，占了一半多，其次是韓國、中國的美女。

import?pandas?as?pd
????
df?=?pd.read_excel('datas.xlsx')
data?=?df[df['country'].str.contains('Chinese')]
data.to_excel('test.xlsx',?index=False)

發(fā)現(xiàn)國內上榜的美女，職業(yè)均是演員。

import?pandas?as?pd

df?=?pd.read_excel('datas.xlsx')
data?=?df['occupation'].value_counts()
print(data)

Actress???????69
Singer????????18
Model?????????10
Atress?????????1
model??????????1
TV?Actress?????1
Name:?occupation,?dtype:?int64

Process?finished?with?exit?code?0

再檢查了網(wǎng)站里數(shù)據(jù)發(fā)現(xiàn)，有個別數(shù)據(jù)美女職業(yè)是模特，其他都是Model，就這一個寫為model，還有某一個Actress拼寫錯誤，弄成了Atress。還有一個的職業(yè)是 TV Actress，也將她歸入演員 Actress 內。數(shù)據(jù)量少，我們直接在表格中找到，將其更改。

#?-*-?coding:?UTF-8?-*-
"""
@File ???：職業(yè)分布.py
@Author ?：葉庭云
@CSDN ???：https://yetingyun.blog.csdn.net/
"""
import?pandas?as?pd
from?collections?import?Counter
from?pyecharts.charts?import?Pie
from?pyecharts?import?options?as?opts
from?pyecharts.globals?import?ThemeType,?CurrentConfig

#?引用本地js資源渲染
CurrentConfig.ONLINE_HOST?=?'D:/python/pyecharts-assets-master/assets/'

df?=?pd.read_excel('datas.xlsx')
data?=?list(df['occupation'])
job_count?=?Counter(data).most_common()

pie?=?Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
#?富文本效果??環(huán)圖
pie.add('職業(yè)',?data_pair=job_count,?radius=["40%",?"55%"],
????????label_opts=opts.LabelOpts(
????????????position="outside",
????????????formatter="{a|{a}}{abg|}\n{hr|}\n?{b|:?}{c}??{per|13ixwwoc3%}??",
????????????background_color="#eee",
????????????border_color="#aaa",
????????????border_width=1,
????????????border_radius=4,
????????????rich={
????????????????"a":?{"color":?"#999",?"lineHeight":?22,?"align":?"center"},
????????????????"abg":?{
????????????????????"backgroundColor":?"#e3e3e3",
????????????????????"width":?"100%",
????????????????????"align":?"right",
????????????????????"height":?22,
????????????????????"borderRadius":?[4,?4,?0,?0],
????????????????},
????????????????"hr":?{
????????????????????"borderColor":?"#aaa",
????????????????????"width":?"100%",
????????????????????"borderWidth":?0.5,
????????????????????"height":?0,
????????????????},
????????????????"b":?{"fontSize":?16,?"lineHeight":?33},
????????????????"per":?{
????????????????????"color":?"#eee",
????????????????????"backgroundColor":?"#334455",
????????????????????"padding":?[2,?4],
????????????????????"borderRadius":?2,
????????????????},
????????????},
????????),)
pie.set_global_opts(title_opts=opts.TitleOpts(title='職業(yè)占比'))
pie.set_colors(['red',?'orange',?'purple'])???#?設置顏色
pie.render('美女職業(yè)分布.html')

榜單中美女們的職業(yè)，主要有三種：演員、模特、歌手。這些職業(yè)都對各方面都有一定要求，才能發(fā)展得好。職業(yè)的占比中，可以看到演員的占比是最高的，因為顏值是一個演員重要的名片，特別是如今這樣一個看顏值的時代，也是打分成績中占比最高的一項，因此在榜單中，演員占比最高也就不足為奇了。

作者：葉庭云
CSDN：https://yetingyun.blog.csdn.net/

熱愛可抵歲月漫長，發(fā)現(xiàn)求知的樂趣，在不斷總結和學習中進步，與諸君共勉。