蘇菲瑪索、高圓圓、新垣結衣……數據爬出誰是直男心中的女神？

歡迎關注公眾號：AI_Club_haobo 。溝通交流AI相關內容。關注回復：了解公號管道+職業。

1

前言

本文圖片來自於「懂球帝」APP。我們今天聊聊懂球帝上的「女神大會」專欄，作為一個大型「鋼鐵直男」聚集地，「懂球帝」上對各位女神的評分，對廣大「鋼鐵直男」群體也具有一定代表性。

2

數據來源

目前女神大會更新至了第90期，總共出場了90位女神，界面如下：

我們通過fiddler獲取該界面中女神的照片地址以及每一篇文章的id編號，用於之後的爬取和可視化，代碼如下：

import json import requests from bs4 import BeautifulSoup import pandas as pd import re import os os.chdir( ‘D:/爬蟲/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

（可滑動）

另一方面，每位女神的評分都在下一期當中，我們需要爬取文章內容進行獲取：

爬取代碼如下：

prev_title_list = [] score_list=[] count_list=[] for id in id_lis t: 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) excep t: continue

（可滑動）

3

整體對比

我們此次利用R語言中的ggimage包，將獲取到的女神圖片加入到最終的圖表中，提高可視化效果，首先看一下整體評分的TOP15名單：

朱茵、林志玲、高圓圓位居榜單前三位，不知道這份榜單是否符合你心目中的女神標準，而這三位也恰好成為了目前出場的90位女星當中香港、台灣、大陸的最高分。值得一提的是，懂球帝小編對於活躍於90年代的香港女星情有獨鐘，從中選取了非常多的女神，而這些女神的評分也都名列前茅。

下面看一下目前出場的90位女神中，排名相對靠後的幾位：

很多朋友會覺得這份榜單對於年輕女神有些苛刻，可能這也代表了廣大網友對於各位年輕女神的美好期許，體現了她們未來的無限可能。

4

區域對比

我們分區域看一下目前各個區域排名前十的名單：

看完了各個區域TOP10的名單之後，我們進行一下區域的對比：

我們將小提琴圖與盒形圖相結合，進行區域的對比，可以看到大陸女星的評分相對偏低，一方面是由於部分女神的評分較低，拉低了整體的分值，另一方面也是由於目前出場的大陸女星年齡普遍偏小，而這一點也會在下一部分得到證實。

5

年份對比

我們看一下各個年份出生的女星總體評分情況對比，其中「60後」選項也包含了60前的女神，「90後」選項也包含了00後的女神。

可以看到60後、70後的女神們平均分數要高於80後，而80後顯著高於90後，一方面說明了大家對老牌女神們的認可，另一方面也是體現了大家對新生女神們的無限期許

我們下面將區域與年份綜合起來進行對比：

可以看到參與評分的大陸女神普遍比較年輕，這也一定程度解釋了此前提到的大陸女神整體評分偏低的原因。而港台女神普遍集中在60、70後，這些女神們活躍的90年代也是香港電影、電視的黃金時期，我們也期待著香港影視未來的復蘇。

6

後記

懂球帝目前的女神大會做到了90期，並沒有十分完整地囊括廣大女神，比如「四旦雙冰」就都沒有出現，使得這次的數據並不能完全地表述廣大「鋼鐵直男」心中的女神標準，未來隨著期數的增加，相信會有更加完善的分析

最後，小編突發奇想，想要看下在一周中不同時間出場的女神評分是否會有區別：

出乎意料的是，在一周中最開心的三天周四（即將放假），周五（迎接放假），周六（享受放假）的三天中出場的女神評分反而偏低，或許是由於數據量偏少，未來隨著期數的增加，小編也會密切關注這點。

你們的女神排第幾？

■ Over ■