作者 | 徐麟

题图 | 视觉中国

“懂球帝”上的这群“钢铁直男”，到底是如何评价女神们的？

本文转自公众号数据森麟（ID：shujusenlin）

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，笔者也从未将其卸载。然而我们今天聊的与足球无关，而是聊懂球帝上的“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TOP15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位女星当中中国香港、中国台湾、内地的最高分。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，体现了她们未来的无限可能。

▍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：

中国内地女神榜单TOP10：

中国港台地区女神榜单TOP10：

日韩女神榜单TOP10：

欧美女神榜单TOP10：

看完了各个区域TOP10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，可以看到内地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内地女星年龄普遍偏小，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无限期许。

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内地女神普遍比较年轻，这也一定程度解释了此前提到的内地女神整体评分偏低的原因。

而中国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。

最后，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）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。

注：本文图片来自于“懂球帝”APP；内容仅为作者观点，不代表DT数据侠立场。公众号DT数据侠（ID：DTdatahero）后台回复“女神”可获取本文相关代码。

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

本文数据侠徐麟，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。

▍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”，投稿、合作请联系datahero@dtcj.com。