最近，由芒果TV推出的綜藝節目《乘風破浪的姐姐》，可謂是火爆了全網，堪稱年度綜藝前幾名的存在，首播播放量便過億！相比青春有你，這些姐姐雖然在年齡上可能不具有優勢，但是她們身上散發的個人魅力還是相當了得，個個都是實力牌。
方便大家更好的對選手們有一個全方位的瞭解，小編抓取了參賽姐姐們的信息，並帶領大家一步步的看一下，從我們提取到的數據中能得到哪一些信息。
01
數據的獲取
首先，我們需要做的就是抓取到選手們的信息，這裏，我們爬取的是公開在百度百科和維基百科上的選手信息。
由於兩個網站採用的都是靜態的頁面，所以抓取也相對簡單，我們以較爲複雜的百度百科抓取爲例，來介紹一下程序的抓取。如下圖所示：
網頁的源代碼中對應着選手的一些信息，包括姓名，宣傳照和職業等等信息。我們需要分析網頁源代碼來提取宣傳照圖片的地址、選手的姓名以及職業，部分程序如下圖所示：
上圖中，我們利用GetPicSource函數首先提取了宣傳照圖片的下載地址；
然後利用BeautifulSoup庫來解析網頁源代碼，由於不同的div標籤數量不一致，所以需要格外自己的分析，並進行解析；
接着將我們提取到的信息進行保存即可。
對於維基百科的信息提取也是同樣的操作，最終我們抓取到的信息，包括了選手們的姓名，年齡，出生年月，出生地以及圖片的下載地址，職業以及初始舞臺分數等信息。
02
數據的處理
對於信息提取完畢後，接下來就是對於數據的處理。我們先來看一下我們提取到的數據：
我們可以看到，我們已經抓取到了我們需要的數據，接下來我們就可以對數據進行簡單的清晰，並進行分析。對於宣傳照的抓取和保存，可以簡單的利用五行代碼即可搞定，程序和提取結果，如下圖所示：
03
數據的分析
我們對於選手的年齡進行一下分析，這裏需要注意的是，小編採用的是pyecharts1.8.1版本進行的可視化展示。同時pyecharts1.x和pyecharts0.x版本之間存在較大的差異。如果大家在運行源碼時出現找不到模塊的錯誤，大多是版本不正確引起的，需要大家格外的注意。好了我們接着進行程序和結果的展示：
1).年齡的分佈
我們首先對年齡進行分段劃分，然後對分段年齡進行可視化展示，如圖所示，選手的年齡大都集中在33-40和26-33的年齡段，相比於其他選秀節目，《乘風破浪的姐姐》堪稱是大齡選秀。
2).職業分佈
對於選手的職業分佈，我們可以看到，參賽的選手大多數演員和歌手出身，但是選手中存在許多身兼數職的現象，比如說某位參賽選手，既是歌手同時也是演員，可謂是演而優則唱的代表。
3).出生地分佈
對於選手的出生地，我們只是選取了出生地在中國的選手，我們可以看到，選手中湖南選手是最多的，其次是四川的選手，從整體的南北方分佈來看，南方的選手要多於北方。
4).年齡vs得分關係
最後，我們來看一下評分前五名的選手在年齡和初舞臺評分上的關係，我們可以看到，前五名的選手得分都在86分以上，而她們的年齡則是分佈在30歲左右。
對於參加比賽的整體選手，她們的平均年齡爲35歲，而評分前五名的選手，她們的平均年齡僅爲30.8歲，可見，年齡因素對於成績存在一定的反比例影響。
以上就是小編今天爲大家帶來的《乘風破浪的姐姐》的一些解密，大家可以下載源碼以及小編爲大家下載好的數據，進行進一步的分析，發現更多的祕密，大家趕快行動起來吧。今天你看了《乘風破浪的姐姐》嗎？歡迎留言區點評。
需要源碼可以在文末獲取。
618福利活動，噹噹4折起
衝鴨！羊毛薅起來！噹噹618專享不到4折，Python書籍囤起來！
近期原創熱門：
程序員GitHub
掃碼輸入【乘風破浪】
獲取本篇源碼
點的“在看”，否則就看不到我了555