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 ***5 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***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***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 ***0 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***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。
***，小编突发奇想，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：
出乎小编意料的是，在小编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，小编也会密切关注这点。
作者：徐麟
简介：目前就职于互联网公司数据部，哥大统计数据狗，从事数据挖掘&分析工作，喜欢用 R&Python 玩一些不一样的数据。
