5行代码带你爬取 "2021福布斯排行榜"，看看中国都有谁上榜？

Posted 2021-09-10 Wang_AI

今天晚上坐在家里面，突然看到了2021福布斯排行榜的新闻。于是有感而发，写了这篇文章。

新闻 ：排行榜123网公布了2021年福布斯富豪榜，榜单包括2021世界首富排行榜，以及全球各个国家富豪排名。目前杰夫·贝佐斯以1914亿美元的财富位居世界首富第一名，而中国首富为：钟睒睒（身价：626亿美元）

由于这是一个表格型的数据，也没什么反扒措施，为了节省时间，直接上pandas库吧，我只需要5行代码就行啦！

import pandas as pd
import csv

for i in range(1,16):  # 爬取全部页
    tb = pd.read_html(f'https://www.phb123.com/renwu/fuhao/shishi_{i}.html')[0] 
    tb.to_csv(r'福布斯排行榜.csv', mode='a', encoding='utf_8_sig', index=0)

结果如下：

太尴尬了，标题行都在，那就有14个表头了，我们读取一下，去掉重复行吧！

df = pd.read_csv("福布斯排行榜.csv",header=None)
df.drop_duplicates(inplace=True)
df.to_excel("福布斯排行榜.xlsx",index=None)

直接使用drop_duplicates()函数，实现去重操作，并重新保存了一个新文件。

好了，开始我们的数据探索吧！

df1 = pd.read_excel("福布斯排行榜.xlsx",header=1)
df1

结果如下：

1. 排行榜世界前10

x = df1.head(10)
x

结果如下：

2. 排行榜中国前10

y = df1[df1["国家/地区"] == "中国"]
y.head(10)

结果如下：

3. 上榜人数最多的前10个国家

df1.groupby("国家/地区")["名字"].count().sort_values(ascending=False)[:10].to_frame().reset_index()

结果如下：

其实不管是中国前十，还是世界前十，基本都是一些咱们耳熟能详的企业。不得不说，美国佬上榜的人数确实多。

好了，了解一下就好，在心里激励一下自己吧！成不了别人，更应该加油。就当作一个鸡汤吧！

觉得还不错就给我一个小小的鼓励吧！