大数据告诉你知乎上的帅哥美女都集中在哪个行业（附Python代码）

dofrducf151617

近段时间小楚在研究Python在量化投资的应用，顺带发现了Python的爬虫功能真的是非常强大，抓取微博、新浪新闻、豆瓣各种APP的海量数据真的是不费吹灰之力。
知乎也算是国民级的APP了，日活跃用户数少说也在千万以上，而且知乎的回答跟百度知道不一样，基本上知乎的回答都是水平比较高、逻辑性很强的，参考意义非常大。那么你肯定很想知道，能回答出这么高水平答案的用户都是什么人啊？他们有什么共同的特征吗？


近日，知乎给小楚推送了一个问题：男生长得好看是一种什么体验？点进去发现每个回答里面都是帅到爆的小哥哥的图片，这个问题下共有8284条回答，几万张靓仔图片，刷得小楚鼻血都要流出来了。


看完帅哥后，小楚觉得不够过瘾，既然知乎都推了帅哥，那我雨露均沾肯定要看看漂亮的小姐姐啊。于是，我又去找到了知乎上另一个问题：女孩子长得漂亮是种什么体验。这个问题下总共有3000个回答。看到第一个回答的第一张照片，小楚就hold不住了。。。
来自知乎用户ID：勾芡兑水

看完后，小楚肾上腺素飙升久久不能自已，积极性一下被调动起来，决定用Python抓取这8000位帅哥和3000位美女的用户信息，包括知乎昵称、一句话简介、职业信息等，看看长得好看的人都有什么共同特征。
独乐乐不如众乐乐，小楚这就教各位绅士们怎么用Python进行抓取，小白也不要紧，包会。
1、安装Python软件

我们首先下载anaconda，下载地址可以在清华大学镜像网站下载最新日期的exe安装包，比官网速度快得多。


下载安装后接着打开里面的jupyter notebook,在输入框里输入：pip install zhihu_oanth，完成后，你就已经配置好了抓取知乎所需一切条件了。
2、登陆你的知乎账号

输入以下代码


然后将代码里面的手机号换成你自己的知乎手机账号，密码换成你自己的账号密码。接着点击运行，此时会出现一个框要你输入验证码，一般你去检查用户文件夹，会发现多了一张验证码图片文件，输入该图片上的验证码，回车搞定。
3、抓取所有回答和用户信息

（代码比较长，各位请配合放大镜阅读）


运行之后，你就得到了男生长得帅是怎么样的体验下的所有8000个回答、赞数和8000位答主们的用户特征，包括昵称、简介等。


然后你再输入df.to_excel('beautifulboys.xlsx')，将8000个回答全部导入一张Excel表里。
4、将用户昵称和简介做成词云的形式

我们提取Excel中的用户昵称和简介，看看帅哥们都喜欢怎么取名字，以及他们的简介有什么共同的地方。


接着，我们就有了惊喜的发现
帅哥们的词云：


我们看到帅哥们的昵称里都喜欢用“先生”、“一只”，不少靓仔还喜欢用“少女”呢！（不好意思，我好像明白了什么）
然后，对提取到的所有简介做成词云。


果然，简介的信息量价值就比较大了。从上面的词云我们发现，知乎长得帅的男生主要集中在学生，尤其是大学生里面，这也不难理解，毕竟20多岁才是男生的颜值的巅峰期，30一过就成了油腻大叔了不是嘛。
其次，比较惊喜的是，我们看上图发现帅哥在设计师行业分布也比较多，看来大家以后要去找靓仔，可以多去设计公司逛逛。
将抓取代码中的ID替换成长得漂亮是什么体验问题的ID后，我们得到了美女们的词云特征：
美女们的词云：


知乎美女的昵称还是喜欢用“猪猪”、“可爱”居多，着很符合精致的她们。


而从用户简介词云看出，知乎美女们也是学生居多，职业比较多地集中在教师、设计师行业。
看来，设计师行业的确比较容易出帅哥和美女，两个词云里面都有设计师这个关键词，毕竟在常人印象里设计师都是比较严苛和挑剔的，如果对自己的颜值没有信心，也很难设计出优美的作品来！

呵啊嗷嗷

转发了

吴绍芳6

美丑是玄学，大数据不会分辨美丑，不然大数据就“活了”。不存在活着的大数据。