专栏首页DT数据侠全球亿万富豪们的财富密码

全球亿万富豪们的财富密码

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。

作者 | Nilesh Patel

题图 | 视觉中国

本文分享自微信公众号 - DT数据侠(DTdatahero)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-01-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 阿里搞大数据“打假”;京东“傍上”了商务部 | DT数读

    6月28日,京东与商务部市场运行和消费促进司签署消费数据开发应用合作备忘录,双方将发挥各自优势,在市场监测、商贸统计、数据开发、消费研究等领域开展合作,探索开发...

    DT数据侠
  • 中国将成第一大数据资源国;银联家乐福合力开发大数据 | DT数读

    过去一周,国际、国内的大数据相关公司都有哪些值得关注的新闻?数据行业都有哪些新观点和新鲜事?DT君为你盘点解读。

    DT数据侠
  • 跟风大数据前,品牌你自家“小数据”用对了吗?

    对于各行各业争锋开采的数据“新能源”,GAP客户关系管理及业务拓展高级总监蔡辉认为,零售品牌若想赶这趟车,自有其方法论,以下是他在9月6日“大数据与分析创新峰会...

    DT数据侠
  • 业务元数据管理——洞悉数据背后的业务含义

    目前,很多企业已经意识到,由于业务人员看不懂系统中存储的数据,所以难以通过大数据来提升业务创新能力,本文就来谈谈解决这个问题的方法——业务元数据管理。(同系列文...

    yuanyi928
  • Docker数据挂载

    数据卷是一个可供一个或多个容器使用的特殊目录,它绕过UFS,可以提供很多有用的特性:

    CodingDiray
  • 数据缺失的坑,无监督学习这样帮你补了

    大数据文摘
  • 中外院士做客大数据产学研高峰论坛

    中国工程院院士陈晓红 本网讯11月30日、12月1日,2017第三届大数据产学研高峰论坛在广州举办。本次论坛由广东工业大学和广东省物联网信息技术与产业化省部院产...

    企鹅号小编
  • 在 Spring Boot 项目中使用 Swagger 文档

    Spring Boot 框架是目前非常流行的微服务框架,我们很多情况下使用它来提供 Rest API。而对于 Rest API 来说很重要的一部分内容就是文档,...

    beifengtz
  • dp经典问题

    输入: [10,9,2,5,3,7,101,18] 输出: 4 解释: 最长的上升子序列是 [2,3,7,101],它的长度是 4。

    用户7625070
  • 大数据时代,你的数据属于谁?

    在这个所谓的DT(数据科技)时代,数据的价值正在为人所知,由此而来的个人信息泄露事件也层出不穷。然而,当人们将矛头指向黑客入侵系统漏洞、撞库拖库等,却忽略了掌...

    灯塔大数据

扫码关注云+社区

领取腾讯云代金券