前言
本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：阿尔法游戏
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http://t.cn/A6Zvjdun
本文将对比《青春有你2》和《创造营2020》全体小姐姐，鉴于两个节目的数据采集和处理过程基本相似，在使用Python做数据爬虫采集的章节中将只以《创造营2020》为例做详细介绍。感兴趣的同学可以照猫画虎去实操一下《青春有你2》的数据爬虫采集，我会在章节中放上其数据源地址。
先看结果
①创造营2020撑腰榜前三甲
创造营2020撑腰榜前三名分别是 希林娜依·高、陈卓璇 、郑乃馨
>>>df1[df1['排名']<=3 ][['排名','姓名','身高','体重','生日','出生地']]
排名 姓名 身高 体重 生日 出生地
0 1.0 希林娜依·高 NaN NaN 1998年07月31日 新疆
1 2.0 陈卓璇 168.0 42.0 1997年08月13日 贵州
2 3.0 郑乃馨 NaN NaN 1997年06月25日 泰国
②青春有你2当前官方榜前三甲
青春有你2官方榜(35进20)前三名分别是 刘雨昕、虞书欣、喻言
③Face++男女视角颜值最高
女性视角颜值第一名
得分95.23，来自《创造营2020》的黄若元（已经告别舞台）
>>>df.sort_values(by = 'face++女性眼中颜值',ascending = False).head(1)[['face++女性眼中颜值','姓名','来源','身高','体重','生日','出生地']]
face++女性眼中颜值 姓名 来源 身高 体重 生日 出生地
95 95.23 黄若元 创造营2020 NaN NaN 1996-03-01 NaN
男性视角颜值第一名
得分93.773，来自《创造营2020》的孙珍妮（目前位列撑腰榜第19）
>>>df.sort_values(by = 'face++男性眼中颜值',ascending = False).head(1)[['face++男性眼中颜值','姓名','来源','身高','体重','生日','出生地']]
face++男性眼中颜值 姓名 来源 身高 体重 生日 出生地
18 93.773 孙珍妮 创造营2020 165.0 NaN 2000-05-05 上海
④小姐姐们籍贯分布（pyecharts作图）
创造营小姐姐都来自哪里呀？
创造营2020的小姐姐有籍贯记录的41位中，来自四川的有7位，江西、浙江、湖南和湖北的各3位
青春有你小姐姐都来自哪里呀？
青春有你2小姐姐来自最多的省市分别是北京、台湾 各9名，重庆、成都各6名
再看下统计分析结果吧
以下是整体数据部分截图（Spyder变量查看器）
因为整合的信息较多，共17个字段，我们在做分 数据指标 统分的时候只需要用到部分即可。
在做统计分析时，这里核心就是一个 分组统计 （df.groupby()）
小姐姐出生地分布
《创造营2020》小姐姐官方信息数据中，出生地只有41/101个，且多以省为标尺，我们统计结果如下：
>>>pro = df1.groupby('出生地')['编号'].count().to_frame('count').sort_values(by = 'count',ascending = False).reset_index()
>>>pro.head()
出生地 count
0 四川 7
1 江西 3
2 浙江 3
3 湖南 3
4 湖北 3
《青春有你2》小姐姐官方数据比较全，出生地有108/109，且多以市为标尺，我们统计结果如下：
>>>city = df2.groupby('出生地')['编号'].count().to_frame('count').sort_values(by = 'count',ascending = False).reset_index()
>>>city.head()
出生地 count
0 北京 9
1 台湾 9
2 重庆 6
3 成都 6
4 上海 5
小姐姐的出生年份分布
出生年份我们合并数据做统一处理吧，一共有160/210份数据，我们统计结果如下：
>>>year = df.groupby('year')['编号'].count().to_frame('count').sort_values(by = 'count',ascending = False).reset_index()
>>>year.head()
year count
0 1997.0 27
1 1995.0 25
2 1996.0 24
3 1998.0 20
4 1999.0 19
小姐姐星座分布
星座分布我们合并数据做统一处理吧，一共有168/210份数据，我们统计结果如下：
>>>conste = df.groupby('星座')['编号'].count().to_frame('count').sort_values(by = 'count',ascending = False).reset_index()
>>>conste
星座 count
0 狮子座 23
1 天秤座 19
2 摩羯座 19
3 白羊座 16
4 双子座 14
5 射手座 13
6 金牛座 13
7 双鱼座 11
8 天蝎座 11
9 巨蟹座 11
10 水瓶座 10
11 处女座 8
小姐姐身高分布
身高分布我们合并数据做统一处理吧，一共有137/210份数据，我们统计结果如下：
>>>height = df.groupby('身高')['编号'].count().to_frame('count').sort_values(by = 'count',ascending = False).reset_index()
>>>height
身高 count
0 168.0 27
1 170.0 11
2 165.0 11
3 166.0 11
4 163.0 10
5 167.0 9
身高这种属性，咱们还可以做简单的描述统计分析如下：
(可以看到，最高175cm，最低158cm，平均167.12cm，中位数168cm)
载入需要的库
使用requests+json获取小姐姐列表
《创造营2020》撑腰榜地址：
https://m.v.qq.com/activity/h5/303_index/index.html?ovscroll=0&autoplay=1&actityId=107015
通过F12在开发者界面Network—>XHR中我们可以发现真实数据请求地址（见Headers里的General），以及请求响应的数据格式 是 json。
真实数据请求地址：
https://zbaccess.video.qq.com/fcgi/getVoteActityRankList?（你应该点不开，因为请求的时候需要附带一些参数）
参数可以在Headers里的Query String Parameters 里找到于是我们可以编写以下代码进行数据爬取
1def get_Girllist():
2 url = 'https://zbaccess.video.qq.com/fcgi/getVoteActityRankList?'
3 headers = {"User-Agent": UserAgent(verify_ssl=False).random}
4 params = {'raw': 1,
5 'vappid': 51902973,
6 'vsecret': '14816bd3d3bb7c03d6fd123b47541a77d0c7ff859fb85f21',
7 'actityId': 107015,
8 'pageSize': 101,
9 'vplatform': 3,
10 'listFlag': 0,
11 'pageContext':'' ,
12 'ver': 1,
13 #以下两个时间戳参数可以省略
14 '_t': 1590324974706,
15 '_': 1590324974708
16 }
17 #请求数据
18 re = requests.get(url,headers = headers,params = params)
19 #用json解析json数据成字典
20 data = json.loads(re.text)
21
22 Li_list = data['data']['itemList']
23
24 rank = 0
25 data_list = []
26
27 #获取每个选手的基础信息
28 for li in Li_list:
29 rank += 1
30 item = {}
31 #获取基础信息
32 item['当前排名'] = rank
33 item['选手编号'] = li['itemInfo']['id']
34 item['选手姓名'] = li['itemInfo']['name']
35 item['选手照片'] = li['itemInfo']['mapData']['poster_pic']
36 item['选手状态'] = li['statusInfo']['voteBtnTxt']
37
38 #获取选手doki页，需要传递选手编号id信息用于循环请求
39 #根据选手编号id到选手doki页面获取粉丝数、星座、身高、生日等基础个人信息
40 #简单的静态页面，这里用到xpath做解析
41 id_ = item['选手编号']
42 #调用获取选手doki页数据的函数，具体见get_Girlinfo函数
43 html = get_Girlinfo(id_)
44 item['粉丝数'] = html.xpath('.//div[@class="followers_count"]/text()')[0]
45 info = html.xpath('.//div[@class="wiki_info_1"]//span[@class="content"]/text()')
46 item['星座'] = info[-5]
47 item['身高'] = info[-3]
48 item['体重'] = info[-2]
49 item['出生地'] = info[-1]
50 info2 = html.xpath('.//div[@class="wiki_info_2"]//span[@class="content"]/text()')
51 item['生日'] = info2[0]
52
53 url_ai = item['选手照片']
54 #获取腾讯云AI颜值评分
55 age,beauty = txfaceScore(url_ai)
56 item['AI预测年龄'] = age
57 item['AI颜值评分'] = beauty
58 #获取face++颜值评分
59 faceage,beauty_w,beauty_m = ksfaceScore(url_ai)
60 item['face++AI预测年龄'] = faceage
61 item['face++女性眼中颜值'] = beauty_w
62 item['face++男性眼中颜值'] = beauty_m
63 data_list.append(item)
64
65 return data_list
使用requests+xpath获取小姐姐基础信息
《创造营2020》选手详情页地址：https://v.qq.com/x/star/8262415?tabid=2
以上这个地址是刘些宁同学的个人资料页百科info，我们可以看到这个网页动态变化的是8262415，这个数字是个啥？不难发现，这是选手编号id呀，我们在获取小姐姐列表的时候已经记录了。基于此，我们可以创建获取小姐姐百科info的函数如下：
使用requests调用api接口获取小姐姐颜值评分
一开始我用的是腾讯云的人脸识别，跑完数据发现101个创造营小姐姐里有21个颜值得了满分，而我喜欢的一个小姐姐朱主爱居然得分最低，那怎么行。所以，本次我们新增了旷视的FACE++人脸识别做颜值评分对比。
腾讯云人脸识别
腾讯云人脸识别需要使用到第三方库tencentcloud-sdk-python
pip install tencentcloud-sdk-python
在进行调用的时候，需要先加载有关包
from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKException
from tencentcloud.iai.v20180301 import iai_client, models
腾讯云人脸检测与分析 检测给定图片中的人脸（Face）的位置、相应的面部属性和人脸质量信息 位置包括 (x，y，w，h)
面部属性包括性别（gender）、年龄（age）、表情（expression）、魅力（beauty）、眼镜（glass）、发型（hair）、口罩（mask）和姿态
(pitch，roll，yaw)
人脸质量信息包括整体质量分（score）、模糊分（sharpness）、光照分（brightness）和五官遮挡分（completeness）
在第一次使用云 API 之前，用户首先需要在腾讯云控制台上申请安全凭证，安全凭证包括 SecretID 和 SecretKey, SecretID 是用于标识 API 调用者的身份，SecretKey 是用于加密签名字符串和服务器端验证签名字符串的密钥。SecretKey 必须严格保管，避免泄露。
由于我们只需要年龄和颜值评分，因此创建函数时只需要返回age和beauty两个字段即可。
1def txfaceScore(url):
2 try:
3 # 实例化一个认证对象，入参需要传入腾讯云账户 secretId，secretKey
4 cred = credential.Credential("secretId", "secretKey")
5 httpProfile = HttpProfile()
6 httpProfile.endpoint = "iai.tencentcloudapi.com"
7
8 clientProfile = ClientProfile()
9 clientProfile.httpProfile = httpProfile
10 client = iai_client.IaiClient(cred, "ap-beijing", clientProfile)
11
12 req = models.DetectFaceRequest()
13 #url即我们需要做颜值评分的小姐姐照片所在网页地址url
14 param = {"Url":url,"NeedFaceAttributes":1}
15 params = json.dumps(param)
16 req.from_json_string(params)
17
18 resp = client.DetectFace(req)
19 respstr = resp.to_json_string().replace('false','0').replace('true','1')
20 respdic = eval(respstr)
21 #返回的数据格式是json，所以在转化为字典后很简单就能找到你需要的数据
22 age = respdic['FaceInfos'][0]['FaceAttributesInfo']['Age']
23 beauty = respdic['FaceInfos'][0]['FaceAttributesInfo']['Beauty']
24
25 except TencentCloudSDKException as err:
26 print(err)
27
28 return age,beauty
Face++人脸识别
Face++人工智能开放平台文档中心Detect
API地址：https://console.faceplusplus.com.cn/documents/4888373
接口调用很简单，设置好你需要的请求参数（这里我们选择年龄和颜值：age,beauty），由于Face++颜值评分分为男女视角下的颜值分两种，所以我们需要返回三个值：年龄、男/女视角颜值分。
具体函数见下方：
1def ksfaceScore(pic_url):
2 url = 'https://api-cn.faceplusplus.com/facepp/v3/detect'
3
4 APIKey = '你的key'
5 APISecret = '你的secret'
6
7 data = {"api_key":APIKey,
8 "api_secret":APISecret,
9 "image_url":pic_url,
10 "return_attributes":"age,beauty"
11 }
12 res = requests.post(url,data = data)
13 dic_ = eval(res.text)
14 #返回的数据格式是json，所以在转化为字典后很简单就能找到你需要的数据
15 age = dic_['faces'][0]['attributes']['age']['value']
16 beauty_w = dic_['faces'][0]['attributes']['beauty']['female_score']
17 beauty_m = dic_['faces'][0]['attributes']['beauty']['male_score']
18
19 return age,beauty_w,beauty_m