作者 | Nilesh Patel

题图 | 视觉中国

世界上最有钱的人们都啥样？你不好奇吗？有一位数据侠就通过爬取富豪榜的数据，把2018年的富豪们的财富密码给扒了一扒！

世界财富的分布是一个倒金字塔形状的，来自71个国家的2212人共同拥有9.1万亿美元的财富。他们中的大多数人是白手起家，在科技、金融、时尚和体育行业建立起了自己的“帝国”。有一些人事业刚起步时就处在领先位置上，因为他们从自己的家族企业继承了一大笔财产。这个项目就是要通过数据可视化，分析这些富豪们。

▍项目介绍

在数据源方面我选择了福布斯富豪榜（福布斯杂志于1917年发起的富豪排名的榜单）的数据，我用Selenium工具进行了数据爬取。

至于为什么是福布斯？因为它是一家聚焦商业、投资、科技、企业家、领导艺术以及生活方式的超过百年历史的媒体。他现在有超过3800万的社交网络粉丝。重要的是它维护着一个富豪数据库，并且一直进行着及时更新。

▍项目目标

我的项目是为了回答下面的所有问题：

● 哪个国家的亿万富豪最多？

● 男女比例如何？

● 哪个国家的富豪拥有的财富比例最高？

● 他们的钱都是哪来的？

● 谁是最年轻和最老的亿万富翁？

● 目前他们的身价有何变化？

● 每个国家的首富分别是谁？

▍数据爬取

爬取数据的过程如下：

● 进入福布斯亿万富翁专题首页

● 找到页面的URL地址

● 爬取每个人的细节信息（排名、姓名、身价、年龄、收入来源、国籍、性别）

● 在过程中寻找X path时遇到一些麻烦，因为有时候扫描全网页会发现并没有什么独特的X path

● 对于性别和最新身价的信息，我单独进行了爬取，因为它们和其他信息不在同一页面

▍数据清洗

在得到初步的数据后，新的挑战是如何清洗数据并不丢失重要信息。我使用了Python Numpy、Pandas、正则表达式以及其他方法。我利用我拥有的另一组数据框架，给我的数据增加了两列。之后我增加了一列数据，它显示的是年初的身价和最新身价相比的变化。

清洗后的数据长这样：

▍数据清洗

在制作数据可视化图表时，我使用了Matplotlib和Seaborn文库包。

● 哪个国家亿万富翁数最多？

从下图可以看到，美国最多，有585名亿万富翁，其次是中国，有373名。之后是德国、印度和俄罗斯。

● 男女比例

男性1972人，占比89.2%，女性240人，占比10.8%。我自己是觉得有点吃惊，我本来以为女性占比会更多一些。

● 哪个国家亿万富翁们的财富占整体的比例最高？

如我们所期待的那样，美国排名第一，而且由于数据和其他国家情况差别很大，所以没有在图中展示。第二是中国。第三到第五比较有意思，分别是巴西、加拿大和澳大利亚。

● 最主要的收入来源？

下图可以看出人们的收入来源都很相似，地产收入是所有人的重要收入来源，投资排在第二。药物、零售、对冲基金、银行等也是很重要的收入来源。

● 最年轻和最老的富翁

在分析年龄方面我做了一个直方图，我发现大多数人的年龄在50到75岁之间，平均年龄是63岁，中位数是64岁。

最年轻的亿万富翁是安德烈森，她是丹麦人，年龄22岁，身价达到14亿美元。最老的是新加坡航运公司的创始人Chang Yun Chung，今年已经100岁了，身价为19亿美元。

● 身价最新变化

下图是前11位富豪在2018年1月和10月的身价变化。

● 各国首富

下图是各国首富的身价以及具体的信息。美国首富贝索斯，身价在1470亿美元左右。

▍结论

这个项目只是一个开始，并没有结束。未来，我希望对过去5年的情况进行分析，这样可以更好地看到这些变量带来的影响。此外我还希望解答下列问题：

● 哪些人加入或者离开了这个富豪榜？

● 富豪个人的排名等变化如何影响了他们的国家？

● 他们每年的财产增减幅度是怎样的？

此项目的代码可以在GitHub获取：https://github.com/patelnilesh1810/Forbes-project

注：本文编译自纽约数据科学院文章THE BILLIONAIRES 2018，点击“阅读原文”查看。内容仅为作者观点，不代表DT数据侠立场。文中图片来自作者。

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。

▍关于DT×NYCDSA

DT×NYCDSA是DT财经与纽约数据科学学院合作专栏。纽约数据科学学院(NYC Data Science Academy)是由一批活跃在全球的数据科学、大数据专家和SupStat Inc. 的成员共同组建的教育集团。

▍数据侠门派

本文数据侠Nilesh Patel，拥有通信工程学位，最初曾担任程序员，之后在商业方面积累了许多工作经验。他是纽约数据科学院的数据科学家，他喜欢团队合作，并且工作努力，热衷于发现新的方式来解决各种问题。

▍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。申请入群请添加DT君微信（dtcaijing003）并备注“数据社群”，合作请联系datahero@dtcj.com。