作者 | 木木
题图 | 微博
相信大家都目睹了1183W热搜话题#赵丽颖冯绍峰#，DT君一口西瓜一口狗粮不禁感叹，现在公布个恋情，搞不垮微博服务器，粉丝面子上都过不去。
话又说回来了，真爱粉们前赴后继地掐架，出发点也为了自家爱豆的幸福生活着想。可是数据侠木木却通过盖尔沙普利算法发现，“官宣”后是否有幸福生活，早在求婚的时候就被注定了！快随DT君一起看看吧~
本文转自公众号数据团学社（ID：metrodata_xuexi）
秋天到了，又是吃螃蟹的季节。白富美学姐前两天约我吃最爱的大闸蟹，席间向来开心的她却显得心事重重。
“你肿么啦？”我仔细地掰开蟹壳，问道。
“十一假期好多朋友办婚礼，可我男票一点要求婚的意思都没有，我都想考虑备胎了。”
“你自己和他说嘛！”我放下了金黄的大闸蟹。
“我可是个妹子，这样多不好。”学姐叹了口气。
看着学姐犹犹豫豫的样子就知道她需要鼓励了~我眉头一皱，计上心来：
学姐呀，我来给你讲个故事~
有一座城市，当地风俗是，想结婚的男子必须先向心仪的女子求婚，而女子则需要等待求婚。
牧师每年会邀请人数相同的适婚男女参与一次集体相亲。一次相亲活动可能有很多轮，男子会首先向自己最爱的女子求婚，女子则会在所有的追求者中选择她的最爱；如果男子被拒绝，下一轮会向他第二喜欢的女子求婚；上一轮已经订婚的女子如果得到她更爱的人的求婚，则会毫不留情地抛弃未婚夫，和更爱的人在一起。被抛弃的男子需要重新参与求婚。
如此反复，等大家都订婚，就举办集体婚礼。
假设：
1)参加求婚的男女数量保持一致
2)每个男子都按喜爱程度对女子进行排序，比如最爱a，其次爱b，再次爱c
3)每个女子也同样给每个男子排序
此方法名为Gale-Shapley算法。优点如下：
1. 总有大家都订了婚的一天，不可能无限循环
2. 中止后所有的婚姻是稳定婚姻
（不稳定婚姻：比如有两对夫妇M1&F1和M2&F2, M1的老婆是F1，但他更爱F2；而F2的老公虽说是M2，但她更爱M1。这样的婚姻就是不稳定婚姻）
有兴趣的读者可以自行搜索证明过程。
学姐的眼睛开始放光了：
坐在家里等求婚，下辈子请让我生在这个城市吧！
我神秘一笑：
是不是女孩子的天堂，让我们用Python来看一看最后的匹配满意度吧！（此处展示部分代码，完整源文件请看文末）
▍样本生成
为了完成模拟过程，我们首先需要一些样本，即随机生成数量相等（可设置数量）的男性和女性，同时生成他们对每个异性个体的喜爱排名。
#设置男女生喜好样本
print('==============================生成样本数据==============================')
man = pd.DataFrame( [['w'+str(i) for i in random.sample(range(1,women_num+1),women_num)] \
for i in range(man_num)],
index = ['m'+str(i) for i in range(1,man_num+1)],
columns = ['level'+str(i) for i in range(1,women_num+1)]
)
women = pd.DataFrame( [['m'+str(i) for i in random.sample(range(1,man_num+1),man_num)] \
for i in range(women_num)],
index = ['w'+str(i) for i in range(1,women_num+1)],
columns = ['level'+str(i) for i in range(1,man_num+1)]
)
return (man,women)
▍模拟男性求婚过程
每天上午，每位还没订婚的男子，会向还没拒绝过他的女子中，他最爱的那一个求婚。
print('==============================测试集{}模拟开始=============================='.format(i))
print('==============================开始模拟求婚过程==============================')
level_num = 0
while man_ismapping['love_level'].min() == 0:
level_num += 1
print('==============================开始第{}天婚姻配对=============================='.format(level_num))
u_mapping_man = man_ismapping[man_ismapping.target == 'n'].index.tolist()
if level_num < 2:
level_col = 'level' + str(level_num)
man_choose = man[man.index.isin(u_mapping_man)][level_col].to_frame().reset_index()
man_choose.columns = ['man_id', 'women_id']
man_choose['range'] = 1
else:
m_id = u_mapping_man
l = []
for man_id in m_id:
col_n = int(man_ismapping[man_ismapping.index == man_id].range[0])
level_col = 'level' + str(col_n + 1)
women_id = man[man.index == man_id][level_col][0]
rg = col_n + 1
l.append([man_id, women_id, rg])
man_choose = pd.DataFrame(l, columns=['man_id', 'women_id', 'range'])
▍模拟女性接受订婚的过程
每天下午，每位女性会在自己接到的求婚信中，选择她最中意的男子接受求婚；如果没接到求婚，就继续等待。
for r in range(0, len(man_choose)):
relationship = man_choose[man_choose.index == r]
m = [i for i in relationship['man_id']][0]
w = [i for i in relationship['women_id']][0]
find = women[women.index == w].unstack().reset_index()
find.columns = ['level', 'women_id', 'man_id']
find = int([i for i in find[find['man_id'] == m]['level']][0].split('level')[1])
o_love_level = [i for i in women_ismapping[women_ismapping.index == w]['love_level']][0]
rg = [i for i in relationship['range']][0]
if o_love_level == 0:
women_ismapping.loc[w, 'love_level'] = find
women_ismapping.loc[w, 'target'] = m
women_ismapping.loc[w, 'range'] = level_num
man_ismapping.loc[m, 'love_level'] = rg
man_ismapping.loc[m, 'target'] = w
man_ismapping.loc[m, 'range'] = rg
elif o_love_level > find:
m_o = women_ismapping.loc[w, 'target']
man_ismapping.loc[m_o, 'love_level'] = 0
man_ismapping.loc[m_o, 'target'] = 'n'
man_ismapping.loc[m, 'love_level'] = rg
man_ismapping.loc[m, 'target'] = w
man_ismapping.loc[m, 'range'] = rg
women_ismapping.loc[w, 'love_level'] = find
women_ismapping.loc[w, 'target'] = m
women_ismapping.loc[w, 'range'] = level_num
else:
man_ismapping.loc[m, 'range'] = rg
pass
▍运行代码，并导出结果
学姐看着正在运行模拟过程有点着急了，我抽取其中一轮的结果先展示给她看：
纵轴代表该次模拟结果中，某位男性/女性的伴侣喜爱排名，即：匹配到的伴侣是他/她第X喜欢的异性。
显然，男性匹配到的伴侣离自己的最爱比女性更近——不止一点点！这可和“妹子天堂”的预期有点远啊！
学姐陷入了困惑：明明女性才掌握着订婚的决定权，而且男性即使暂时订婚成功，也有被抛弃的可能啊！你看，随着匹配轮次增加，男性的伴侣总是从自己最喜欢的对象慢慢变成不那么喜欢的对象；而女性伴侣却在一步步变好。你这个会不会是偶然啊！
我：是不是偶然，让我们来看看100次模拟中，男性/女性匹配到的伴侣喜爱排名均值分布吧~
上图纵轴代表其中一次模拟中，男性/女性的平均伴侣喜爱排名均值，即：匹配到的伴侣是他们/她们第X喜欢的异性。
可以明显看到，男性最终匹配到的伴侣的喜爱排名普遍高于女性。
学姐终于收起了质疑：原来主动出击真有这么大的作用！为什么呀~
我分析道：学姐你看，女孩只能坐在家里等求婚，她喜欢的人可能连看到她的机会都没有。而男性在主动做出选择之时，每次都能选择自己最喜欢的对象。即使被拒绝，他的下一次求婚，也能送给可能接受他的、他最爱的女孩儿。这个游戏保证男孩的伴侣是可能和他在一起的最好的那一个，但对女孩就不是。
学姐：你说得对。面对自己喜欢的人，我应该去争取，而不只是等待。
我：这就对啦！世界上有什么事不需要努力呢？你有喜欢的人，就要好好努力，提升自己，去吸引ta，爱ta~
最后，祝大家都早日找到和自己一同“官宣”的另一半~
注：本文仅为作者观点，不代表DT数据侠立场。
期待更多数据侠干货分享、话题讨论、福利发放？在公众号DT数据侠（ID：DTdatahero）后台回复“数据社群”，可申请加入DT数据社群。
▍数据侠门派
本文数据侠木木，来自城市数据团，他可能是全世界最帅的情感话题数据分析师。
▍加入数据侠
“数据侠计划”是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。了解数据侠计划详情请回复“数据侠计划”，申请入群请添加DT君微信（dtcaijing003）并备注“数据社群”，投稿、合作请联系datahero@dtcj.com。
网友评论