用 Python 分析各国人口性别比例，原来单身不是我的错

前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：萝卜大杂烩

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

获取我国女性占比

首先我们先来抓取下我国女性的逐年占比数据，看看找对象在什么时代能容易些。

抓取该网站还是很容易的，直接解析 HTML 文件即可。

import requests
from bs4 import BeautifulSoup


url = 'https://www.kuaiyilicai.com/stats/global/yearly_per_country/g_population_female_perc/chn.html'
res = requests.get(url).text
html = BeautifulSoup(res, 'html.parser')
html.find('tbody').find_all('td')

这样，就获取到了所有的表格数据

[<td>2018年</td>,
 <td>48.68%</td>,
 <td>2017年</td>,
 <td>48.67%</td>,
 <td>2016年</td>,
 <td>48.65%</td>,
 <td>2015年</td>,
 <td>48.64%</td>,
 <td>2014年</td>,
 <td>48.63%</td>,
...

不过这个表格数据里会有谷歌广告的代码，需要去掉下

chinese_data = html.find('tbody').find_all('td')
i = 0
for d in chinese_data:
    if r"adsbygoogle" in d.text:
        chinese_data.pop(i)
    i += 1

接下来就可以获取年份和对应的数据了

year = []
data = []
i = 1
for d in chinese_data:
    if i == 1 or i%2  != 0:
        year.append(d.text)
    else:
        temp = d.text.split('%')
        data.append(temp[0])
    i += 1

拿到 year 和 data 两个列表后，我们就可以开始作图了。

当然我还获取了世界上其他国家的女性比例，出生性别比例等数据，抓取方式都类似，就不再一一重复了。

历年女性占比分析

在这里插入图片描述
可以看到，我国的女性占比常年是低于50%，大胆推测，这绝对和我们上下五千年的历史文化遗留有关啊。

不过情形在慢慢变好，在上世纪80年代左右，我国的女性占比很好的稳定在了48.69%-48.68%这里，而48.69%竟然已经是女性占比的最高比例了。
在这里插入图片描述
接下来我们着重看看2018年的数据吧，这一年女性占比为48.68%，而根据人口普查，2018年我国总人口为13.93亿 (1,392,730,000)，那么男性比女性就多出了36,768,072，整整3千6百多万人啊。所以说如果你在去年还是单身，那么不要悲伤，因为最少还有3千多万人陪着你，当然如果你现在成功脱单了，祝贺你，你是那个踏过独木桥的人，堪称中了超级福利彩票，请一定要珍惜！