2021中国胡润百富榜揭晓：中国首富竟是他......

Posted 2022-12-10 Dream丶Killer

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了2021中国胡润百富榜揭晓：中国首富竟是他......相关的知识，希望对你有一定的参考价值。

2021中国胡润百富榜

前几天看到一个有意思的榜单“中国胡润百富榜单”，今年是胡润研究院自1999年以来连续第23次发布“胡润百富榜”，上榜门槛连续第九年保持20亿元。今天带大家分析看看中国都有哪些大牛！

数据采集

数据来源：https://www.hurun.net/zh-CN/Rank/HsRankDetails?pagetype=rich

打开页面如下

我们需要采集前 2000 名榜单人员的基本信息，分析过程十分简单：F12 打开开发者工具。CTRL + R 刷新页面，就可以看到抓到的数据包。

https://www.hurun.net/zh-CN/Rank/HsRankDetailsList?num=YUBAO34E&search=&offset=0&limit=20

采集的链接中包含两个主要参数，

offset：0，页码
limit：20，限制数据量最多 20 条

代码抓取的的时候暴力点，直接设置 limit=2000，即一次请求 2000 条用户数据，不用分页请求，思路有了，开始撸代码！

import requests

headers = 
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/94.0.4606.54 Safari/537.36'


params = 
    'num': 'YUBAO34E',
    'offset': 0,
    'limit': 2000


url = 'https://www.hurun.net/zh-CN/Rank/HsRankDetailsList'
page_text = requests.get(url=url, headers=headers, params=params).json()
page_text

有数据输出，并且数据量看起来也没问题，下一步开始解析需要的字段。代码较多这里就不展示了，文末有完整源码获取方式！

由于数据包中的信息确实较多，我只提取了部分需要的字段，大致如下：

由于后面需要做地图，需要省份信息，所以对出生地字段切割一下，将省份提取出来，图片字段同样也要做一些处理，主要是由于我用 Tableau 做图的原因，如果大家可视化方式不同，完全可以跳过这一步！

df['birth_place_split'] = df['birth_place'].str.split('-')
df['birth_place_split'] = df['birth_place_split'].apply(lambda x:'' if len(x) == 1 else x[1])
df['photo_split'] = df['photo'].apply(lambda x:x.split('/')[-1])
df.head()