9塊9就能找個女朋友，你還在等什么？

作者：云朵君 2021-05-20 10:27:26

備受關注的第七次人口普查數據近日公布。數據顯示，我國男性比女性人口多出3000余萬，從性別構成年齡段來看，從20歲到40歲這一主要婚育年齡段來看，男性比女性多出1700多萬人。

備受關注的第七次人口普查數據近日公布。數據顯示，我國男性比女性人口多出3000余萬，從性別構成年齡段來看，從20歲到40歲這一主要婚育年齡段來看，男性比女性多出1700多萬人。聽到這個數據，不知道大家慌不慌，反正我是不慌，畢竟現在的年輕人都追求自由，要什么對象(假裝不稀罕)。不得不說，近年來，中國人結婚少了、結婚晚了、離婚多了，社會、經濟、環境壓的我們喘不過氣，而高婚育成本更像一座大山，我們在山前徘徊，躊躇等待。

不管怎么說，社會是大家的，生活(對象)是自己的，沒對象的爭取不做那1/17000000，有對象的且過切珍惜。520來了，你是哪種過節姿勢呢?

[[400675]]

沒對象的請查收這份孤單指南

1、做個wifi宅，只要還能連上網，你就不是孤獨的，也別問宅著是不是孤單，你都問了，我能說什么。

2、做個剁手族，與其說愛上了網購，不如說愛上了孤單。單身狗都是獨自快樂的，畢竟掙的錢都能自己花，嘻嘻。

3、做個高端玩家，一群單著的人，卻想讓大家都不孤單。你可以選擇在朋友圈接受狗糧投喂，也可以組一個單身局互訴衷腸，畢竟，嘲笑也要一群人更刺激。

4、做個關燈人，為了不孤單，就要承受更多的孤單。做最后一個離開自習室的人，做最后一個下班的人，做最后一個散場的人。

有對象的請查收這份送禮指南

想知道大家都是怎么送禮的么?云朵君特意施展了python大法，在淘寶上爬取了最受歡迎的情人節禮物，看下大家都是怎么選禮物的。

數據爬取

本次數據爬取是采用使用selenium實現動態渲染頁面的爬取。selenium是瀏覽器自動測試框架，模擬瀏覽器，驅動瀏覽器執行特定的動作，并可獲取瀏覽器當前呈現的頁面的源代碼，可見即可爬。

爬蟲中主要是獲取商品數據，其主要代碼如下：

def get_products(): 
    ''' 
    提取商品數據 
    :return: 
    ''' 
    # page_source獲取網頁源代碼 
    html = browser.page_source 
    doc = pq(html) 
    items = doc('#mainsrp-itemlist .items .item').items() 
    for item in items: 
        # 數據存入字典 
        product = { 
            'image': item.find('.pic .img').attr('data-src'), 
            'price': item.find('.price').text(), 
            'deal': item.find('.deal-cnt').text(), 
            'title': item.find('.title').text(), 
            'shop': item.find('.shop').text(), 
            'location': item.find('.location').text(), 
        } 
        with open(f'./{text}.txt', 'a',encoding='utf-8') as fin: 
            fin.write(f"{json.dumps(product, ensure_ascii=False)}\n") 
        print(product)

獲取到的原始數據是這樣的

數據清洗

定義清洗函數

def deal_deal(x): 
    s = x.split('人付款')[0] 
    if not s: 
        return 0 
    elif s.endswith('萬+'): 
        return int(float(x.split('萬+人付款')[0])*10000) 
    elif s.endswith('+'): 
        return int(x.split('+人付款')[0]) 
    else: 
        return int(s)

逐個處理每個列

raw_data = pd.DataFrame(data_list) 
data = raw_data.iloc[:,1:] 
# 單位處理 
data['price'] = data['price'].map(lambda x: float(x.split('¥')[1])) 
data['deal']  = data['deal'].map(lambda x:deal_deal(x)) 
data['province'] = data['location'].map(lambda x: x.split()[0]) 
# 發貨地拆分 
data['city'] = data['location'].map(lambda x: x.split()[1] if len(x.split()) ==2 else x.split()[0]) 
# 刪除無用的列 
data.drop(columns=['location'],inplace=True) 
# 重命名 
data.columns = ['價格','銷量','商品名稱','店鋪名稱','省份','城市']