快来pick你喜欢的小姐姐吧，Python爬取青春有你2和创造营2020小姐姐数据

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  *
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、* 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   *   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**。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