用 Python 分析全球最美Top100女神

一、前言

前一段时间，国外媒体 TOP BEAUTY WORLD 评选了全球最帅男性和最美女性Top100，肖战成为了该排行榜历届以来首位登顶的亚洲人。这一消息立刻成为了流量的热点。

想看一下榜单中的最美小姐姐的信息。可是现在还没有最美小姐姐的文字榜单信息。但网站里有上一届的全球最美女性前一百名的榜单数据，包含了姓名、地区和职业等信息。

全球最美 Top100 女神榜单数据，怎能不获取下来好好探究一波？下面我们利用 Python 爬虫将榜单数据获取下来，并进行数据可视化。

二、爬取数据

首先，我们想要获取到的数据，包括小姐姐的姓名、地区、职业等信息。检查发现网页属于静态网页，因此可以直接分析网页源代码，提取出我们想要的数据。

Python代码如下：

结果如下：

三、数据可视化

先来看看全球最美 Top100 女神得分情况

结果如下：

排第一、第二的 Lalisa Manoban 和 Taylor Swift 得分远远高于之后的美女。

Top100 美女地区分布

榜单上美女来自全球各地，分析那些地区上榜美女人数最多，取Top10。注意，有些美女是混血，比如上面的 "English-American"，我们将其统计两次，即既是英国人也是美国人。

结果如下：

可以看到，英美地区的美女上榜人数最多，占了一半多，其次是韩国、中国的美女。

发现国内上榜的美女，职业均是演员。

结果如下：

最后看看美女们的职业

再检查了网站里数据发现，有个别数据美女职业是模特，其他都是Model，就这一个写为model，还有某一个Actress拼写错误，弄成了Atress。还有一个的职业是 TV Actress，也将她归入演员 Actress 内。数据量少，我们直接在表格中找到，将其更改。

榜单中美女们的职业，主要有三种：演员、模特、歌手。这些职业都对各方面都有一定要求，才能发展得好。职业的占比中，可以看到演员的占比是最高的，因为颜值是一个演员重要的名片，特别是如今这样一个看颜值的时代，也是打分成绩中占比最高的一项，因此在榜单中，演员占比最高也就不足为奇了。

作者：叶庭云

CSDN：https://yetingyun.blog.csdn.net/

热爱可抵岁月漫长，发现求知的乐趣，在不断总结和学习中进步，与诸君共勉。

更多阅读