2021中国胡润百富榜
大家好，欢迎来到 Crossin的编程教室 ！
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。今天就分享一篇案例文章：带大家分析看看这个排行榜里都有哪些信息。
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，
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()
最后将处理好的数据集保存到本地。
可视化
可视化工具：Tableau 2021.3。
百富榜TOP10
由于平时不怎么关注这些内容，第一次看这个结果竟发现前十的只认识 5、6 个。我一直还以为首富应该是“两马”中的一个，现在一看确实是我跟不少时代了。。饮料、医疗保健也这么赚钱的哇！
百富榜年龄分布
榜单上的 74% 大佬年龄分布在45~70岁之间，其中58岁的有125人，大部分都是中年。
百富榜出生地分布
出生地分布前三名分别是：浙江、广州、江苏。
百富榜热门产业
热门产业主要还是房地产、投资、医药、食品、化工等，确实都是大佬们玩的东西。
合成看板
最后做个汇总性的看板，加点联动效果。
时间比较赶，加上最近确实比较忙，排版什么的也没细做，大家看个乐就好。
祝大家早日上榜！
公众号后台回复“胡润”即可获取 源码 + Tableau源文件。
如果文章对你有帮助，欢迎转发/点赞/收藏~
作者：Python丁小杰
_往期文章推荐_
