Python抓取某相親網站用戶大數據分析【女】

【鄭重聲明】本文章統計數據均來自XX網用戶數據，未通過任何非公開及違法渠道獲取廣大用戶的個人隱私信息！
【技術參考】Python、selenium、pyecharts(自編自寫的python腳本抓取的XX網公開信息)

摘要

喜逢春日佳節之際，受到新型冠狀病毒肺炎的影響，窩在家裏實在難受，爲了防止屁股坐的生瘡，閒來無事爬了爬XX網，本文統計的實際新縣網城緣女性用戶爲176位，VIP用戶未統計在列(原諒本人懶，VIP用戶數據抓取較費功夫)，預估計VIP用戶在20人左右，統計的數據具備一定的真實可靠性

婚姻狀況

• 在所有的統計中，未婚女性佔比在76%，說明離異或喪偶的 用戶佔據相當一部分比例

學歷狀況

• 通過實際的分佈圖可以看出，女生的學歷分佈相對比較均勻，各個階段的比重都很大，但是高學歷的女生比較少，初中及以下的學歷比重也很大
  

收入狀況

• 從餅圖統計的數據來看，廣大女性羣衆的收入都集中在1萬元以下，八千以下佔據絕大多數，說明女同學的收入相比男士還是有所欠缺的，男性通知要想在收入上比的過女生，月收入要達到1萬以上較爲合適，另外在統計的用戶中還存在一個月收入在3萬以上的，有數據造假之嫌疑
  

年齡分佈

• 統計的柱狀圖中，女性用戶均勻集中在24-30歲的年齡段之間，這個時間段正是談婚論嫁的適宜時機，不過比較令人喫驚的是，有相當一部分大齡女青年還沒有實現自己找到另一半的訴求
  

身高統計

• 女生的身高大都集中在160-165CM之間，男性用戶在匹配帥選用戶的時候不要標準太高，不然找不到合適的目標==
  

地域分佈

• 從地圖上統計的數據來看，在省外工作的 男同胞可就慘了，在XX本地工作的男同胞比較有福了，畢竟200個左右的女性用戶，居然有124個用戶在自己的家鄉，在家的男同學們請抓住機會吧 ！
  

工作種類分佈

• 從詞雲的分佈上我們可以看到，在這些用戶中，其他職業所佔比重非常多，所謂的其他職業，換個字面意思可能是非固定的職業，另外可以看出，女生從事的行業居多都是教師、行政、銷售等一類的職業，像互聯網、通信一類的技術行業，能遇到同鄉知音的概率幾乎爲0
  

女生愛好

• 此處抓取的數據不多，如下統計的數據僅做參考，想討好女生的，趕緊挑一種臭味相投吧…
  

開源參考

• 現公佈部分開源代碼，感興趣的同行者可以借鑑下

    def drawPie(self):
        pie=(
              Pie()
              .add(
                      "",
                     #[list(z) for z in zip(Faker.choose(), Faker.values())],
                     [list(z) for z in zip(self.xueli, self.xueli_value)],
                     radius=["0%", "75%"],
                 )
                 .set_global_opts(
                     title_opts=opts.TitleOpts(title="學歷分佈"),
                     #==========================================================
                     # legend_opts=opts.LegendOpts(
                     #     orient="vertical", pos_top="15%", pos_left="2%"
                     # ),
                     #==========================================================
                 )
                 .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
             )
          
        pie.render('pie.html')
    def drawMap(self):
        c = (
            Geo()
            .add_schema(maptype="china")
            .add("geo", 
                 [list(z) for z in zip(self.place, self.place_value)],
                 #type_=ChartType.HEATMAP,
                 )
            .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
            .set_global_opts(
                visualmap_opts=opts.VisualMapOpts(is_piecewise=True),
                title_opts=opts.TitleOpts(title="工作地域分佈"),
            )
        )
        c.render('map.html')
        return c    
    def drawLine(self):
        c = (
            Bar()
            .add_xaxis(self.height)
            .add_yaxis("身高", self.height_value)
            .set_global_opts(title_opts=opts.TitleOpts(title="身高分佈", subtitle=""))
        )
        c.render('line.html')
        return c