爬虫主程序如下,headers部分请自行配置。
# 用于保存数据的list
comp_info = []
# 共有606个页面,每个页面返回的是json格式数据
for idx in range(1,607):
# print(idx)
url = 'https://www.itjuzi.com/api/closure?com_prov=&fund_status=&sort=&page='+str(idx)
r = requests.get(url,headers=headers)
if r.status_code == 200:
# 编码信息
r.encoding = 'utf-8'
# string格式的json
html_text = r.content
# json格式转化
html_json = json.loads(html_text)
# 提取需要的数据部分
tmp_data = html_json['data']['info']
# 数据整合
comp_info.append(tmp_data)
# 百分比表示进度
sys.stdout.write('\r当前进度第%d页 %s%% '%(idx, int(idx*100/606)+1))
sys.stdout.flush()
time.sleep(0.1)
其中,对“死亡原因标签”和“公司标签”进行单独处理。
最终得到的数据示例如下,总计6000多家公司(由于涉及版权,本文不提供原始数据)。
注:最后的两个字段是衍生出来的,closure_type -> tag_closure, com_tag -> tag_comp.
存续时长(天)的分布情况
大部分公司集中在3-5年内就挂掉了。
存活时长(天)Top10公司
上榜名单都是“10年以上的老店”,最长的竟然有21年。
注:“存活时间”中的3个数值分别对应年,月,日
烧钱(融资金额)最多的公司Top10
房产果然钱多,融资551亿人民币,不过最终还是挂掉了。80%的公司融资金额都不足5000万。
日均消耗资金Top10
此处定义 日均消耗资金 = 总融资金额/总存活天数,外卖、共享单车、视频直播都是常见的烧钱大户。
死亡原因Top10
大部分的公司都没有标注“死亡原因”,这个数据仅供参考。
注:细分原因截图如下
公司最容易死于什么融资阶段
答案是:还没融到资金的时候。
死亡公司行业分布Top10
行业和成立年份的分布情况(公司数量)
从表中可以看出追逐行业风口的迹象
注:只看最近10年数据
哪个行业最烧钱(融资金额)
搞钱(金融)最烧钱
注:表格中的年份是公司成立年份(非融资年份),部分公司融资金额不详,因为标记为0
行业和死亡年份分布情况(公司数量)
2015-2017年的阵亡公司比较多,应该是前几年追风口然后被落下了。
文中数据仅供参考,作者不对数据的真实性负责。