全球最美Top100女神出炉，国内六人上榜，我Python发现了这些秘密...-轻识

击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

灭烛怜光满，披衣觉露滋。

最近一段时间，国外媒体TOP BEAUTY WORLD选取了全球最帅男性和最美女性前100名，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。

小编特地去查了一下，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。但是小编却查到了2019年年底发布的上一届的全球最美女性前一百名的详细榜单，包含了姓名、国籍和职业等信息。

有这么详尽的榜单，我们怎么能不拿来好好的探究一波？小编马上爬取了数据，并进行了数据的可视化分析，一起来看看吧。

评价指标

对于排行榜的评比，不单单是对于美貌的评选。榜单是根据下面公式进行打分。

总分=0.3粉丝投票+0.5官方针对入围明星的五官比例给出的分数+0.2*（个性、身材、慈善工作等）

可以看到，打分成绩中，综合的考虑了许多方面的因素，能从选手的全方位进行综合的分析和打分评比。明白了打分的评价指标后，我们接下来就看一下如何获取该份榜单的数据吧。

女神数据获取

首先，我们要获取到想要的数据，包括小姐姐的照片，姓名以及国籍等信息。由于网页属于静态网页，因此可以直接分析网页源代码，获取到我们需要的数据即可。程序如下图所示：

上述的程序中，我们首先利用requests请求网页，然后利用BeautifulSoup解析网页。这里需要注意的是，不同的li标签的“id"是根据排名来进行变化的。

所以我们要通过循环来构建不同的id属性，以此来抓取对应的li标签，并提取姓名、国籍等信息。

利用self.downloadImg函数将图片下载到本地，将抓取到的姓名和国籍等信息保存到本地。抓取到的信息如下所示：

对顶级女神数据分析

获取到数据后，我们来对数据进行一下清晰，并看一下从数据中能获得什么信息。

1).大洲信息统计

可以看到，美女们来自全球各地，这里我们以国家为统计单位，统计各个大洲上国家出现的次数，注意，上面的”Filipina-American“，我们将其统计两次，即既是菲律宾人也是美国人。通过下面的程序，我们可以可视化的展示出不同大洲国家出现的次数。

可以看到，全球一百名美女来自了除南极洲之外的其他六个大洲，其中来自亚洲的国家是最多的，欧洲和北美洲紧随其后。

2).国籍信息统计

对于美女国籍的统计和可视化处理，是一件非常麻烦的事情，这里需要针对数据进行耐心的判断处理，虽然非常消耗时间，但是好在数量并不是很多，如下图所示：

我们针对于不同美女的不同国家信息，只需要进行循环判断，例如如果美女的国家是”Thai"，我们就将其国家补充为“Thailand”。因为在后续利用pyecharts可视化过程中，我们需要利用pyecharts自带的标准国家名称来显示，否则的话就没有办法进行数字的显示。经过判断统计后，其可视化结果如下。