【爬虫+数据分析+数据可视化】python数据分析全流程富豪榜的榜单数据

您所在的位置：网站首页 › 爬虫python数据分析 › 【爬虫+数据分析+数据可视化】python数据分析全流程富豪榜的榜单数据

【爬虫+数据分析+数据可视化】python数据分析全流程富豪榜的榜单数据

2023-08-09 08:47| 来源: 网络整理| 查看: 265

文章目录一、爬虫二、数据分析2.1 导入库2.2 数据概况2.3 可视化分析2.3.1 财富分布2.3.2 年龄分布2.3.3 公司总部分布2.3.4 性别分布2.3.5 行业分布2.3.6 组织结构分布2.3.7 公司名称词云图三、整体结论四、同步视频讲解4.1 上集（爬虫讲解）4.2 下集（数据分析讲解）

一、爬虫

爬虫部分，不做详细讲解，下面主要介绍可视化代码。

看一下榜单上TOP20的数据吧：

数据一共2916条，19个字段信息，含：

排名、排名变化、全名_中文、全名_英文、年龄、出生地_中文、出生地_英文、性别、公司名称_中文、公司名称_英文、公司总部地_中文、公司总部地_英文、所在行业_中文、所在行业_英文、组织结构、财富值_人民币_亿、财富值变化、财富值_美元、年份。

数据信息还是很丰富的，希望能够挖掘出一些有价值的结论！

二、数据分析 2.1 导入库

首先，导入用于数据分析的库：

import pandas as pd # 读取csv文件 import matplotlib.pyplot as plt # 画图 from wordcloud import WordCloud # 词云图

增加一个配置项，用于解决matplotlib中文乱码的问题：

# 解决中文显示问题 plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文标签 # 指定默认字体 plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

读取csv数据：

# 读取csv数据 df = pd.read_csv('富豪榜.csv') 2.2 数据概况

查看数据形状：

查看前3名富豪：

查看最后3名富豪：

描述性统计：

从描述性统计，可以得出结论：从最大值3900亿、最小值20亿、方差242来看，分布很零散，各位富豪掌握的财富差距很大，马太效应明显。

2.3 可视化分析 2.3.1 财富分布

代码：

df_Wealth = df['财富值_人民币_亿'] # 绘图 df_Wealth.plot.hist(figsize=(18, 6), grid=True, title='财富分布-直方图') # 保存图片 plt.savefig('财富分布-直方图.png')

可视化图：

结论：大部分的富豪的财富集中在20亿~400亿之间，个别顶级富豪的财富在3000亿以上。

2.3.2 年龄分布

代码：

# 剔除未知 df_Age = df[df.年龄 != '未知'] # 数据切割，8个分段 df_Age_cut = pd.cut(df_Age.年龄.astype(float), bins=[20, 30, 40, 50, 60, 70, 80, 90, 100]) # 画柱形图 df_Age_cut.value_counts().plot.bar(figsize=(16, 6), title='年龄分布-柱形图') # 保存图片 plt.savefig('年龄分布-柱形图.png')

可视化图：

结论：大部分富豪的年龄在50-60岁，其次是60-70和40-50岁。极少数富豪在20-30岁（年轻有为👍）

2.3.3 公司总部分布

代码：

df_ComHeadquarters = df['公司总部地_中文'].value_counts() # 绘图 df_ComHeadquarters.nlargest(n=30).plot.bar( figsize=(16, 6), # 图片大小 grid=False, # 显示网格 title='公司总部分布TOP30-柱形图' # 图片标题 ) # 保存图片 plt.savefig('公司总部分布TOP30-柱形图.png')

可视化图：

结论：公司分布城市，大多集中在北上广深等一线城市，另外杭州、香港、苏州也位列前茅。

2.3.4 性别分布

代码：

df_Gender = df['性别'].value_counts() # 绘图 df_Gender.plot.pie( figsize=(8, 8), # 图片大小 legend=True, # 显示图例 autopct='%1.2f%%', # 百分比格式 title='性别占比分布-饼图', # 图片标题 ) # 保存图片 plt.savefig('性别占比分布-饼图.png')

可视化图：

结论：男性富豪占据绝大多数，个别女性在列（巾帼不让须眉👍）

2.3.5 行业分布

代码：

df_Industry = df['所在行业_中文'].value_counts() df_Industry.nlargest(n=20).plot.bar( figsize=(18, 6), # 图片大小 grid=False, # 显示网格 title='行业分布TOP20-柱形图' # 图片标题 ) # 保存图片 plt.savefig('行业分布TOP20-柱形图.png')

可视化图：

结论：百富榜中占比最多的行业分别是：房地产、医药、投资、化工等。

2.3.6 组织结构分布

代码：

df_Relations = df['组织结构'].value_counts() # 绘图 df_Relations.plot.pie( figsize=(8, 8), # 图片大小 legend=True, # 显示图例 autopct='%1.2f%%', # 百分比格式 title='组织结构分布-饼图', # 图片标题 ) # 保存图片 plt.savefig('组织结构分布-饼图.png')

可视化图：

结论：半数以上是未知，企业未对外开放，或榜单没有统计到；家族和夫妇占据前两类。

2.3.7 公司名称词云图

代码：

ComName_list = df['公司名称_中文'].values.tolist() ComName_str = ' '.join(ComName_list) stopwords = [] # 停用词 # backgroud_Image = np.array(Image.open('幻灯片2.png')) # 读取背景图片 wc = WordCloud( scale=3, # 清晰度 background_color="white", # 背景颜色 max_words=1000,#最大字符数 width=800, # 图宽 height=500, # 图高 font_path='/System/Library/Fonts/SimHei.ttf', # 字体文件路径，根据实际情况替换 stopwords=stopwords, # 停用词 # mask=backgroud_Image, # 背景图片 ) wc.generate_from_text(ComName_str) # 生成词云图 wc.to_file('富豪榜_公司名称_词云图.png') # 保存图片 wc.to_image() # 显示图片

可视化图：

结论：阿里系公司占据榜首，其次是海天味业等。

三、整体结论

综上所述，针对富豪榜的榜单数据，得出如下结论：

财富分布：大部分的富豪的财富集中在20亿~400亿之间，个别顶级富豪的财富在3000亿以上。年龄分布：大部分富豪的年龄在50-60岁，其次是60-70和40-50岁。极少数富豪在20-30岁（年轻有为👍）城市分布：公司分布城市，大多集中在北上广深等一线城市，另外杭州、香港、苏州也位列前茅性别分布：男性富豪占据绝大多数，个别女性在列（巾帼不让须眉👍）行业分布：百富榜中占比最多的行业分别是：房地产、医药、投资、化工等组织结构分布：半数以上是未知，企业未对外开放，或榜单没有统计到；家族和夫妇占据前两类。公司名称分布：阿里系公司占据榜首，其次是海天味业等。

四、同步视频讲解 4.1 上集（爬虫讲解）

爬虫讲解视频：【Python爬虫】爬取富豪榜的榜单数据！

4.2 下集（数据分析讲解）

可视化讲解视频：【Python数据分析】可视化分析富豪榜的榜单数据！

首发公号：【爬虫+数据分析+数据可视化】python数据分析全流程富豪榜的榜单数据

【本文地址】

【爬虫+数据分析+数据可视化】python数据分析全流程富豪榜的榜单数据

【爬虫+数据分析+数据可视化】python数据分析全流程富豪榜的榜单数据

今日新闻

推荐新闻