公众号关注 “菜鸟学Python”

设为 “星标”，带你一起学编程！

最近一段时间，国外媒体TOP BEAUTY WORLD选取了全球最帅男性和最美女性前100名，肖战成为了该排行榜历届以来首位登顶的亚洲人。这一消息立刻成为了流量的热点。

小编特地去查了一下，想看一下榜单中的最美小姐姐的信息。可是现在还没有最美小姐姐的文字榜单信息。但是小编却查到了2019年年底发布的上一届的全球最美女性前一百名的详细榜单，包含了姓名、国籍和职业等信息。

有这么详尽的榜单，我们怎么能不拿来好好的探究一波？小编马上爬取了数据，并进行了数据的可视化分析，一起来看看吧。

对于排行榜的评比，不单单是对于美貌的评选。榜单是根据下面公式进行打分。

总分=0.3粉丝投票+0.5官方针对入围明星的五官比例给出的分数+0.2*（个性、身材、慈善工作等）

可以看到，打分成绩中，综合的考虑了许多方面的因素，能从选手的全方位进行综合的分析和打分评比。明白了打分的评价指标后，我们接下来就看一下如何获取该份榜单的数据吧。

首先，我们要获取到想要的数据，包括小姐姐的照片，姓名以及国籍等信息。由于网页属于静态网页，因此可以直接分析网页源代码，获取到我们需要的数据即可。程序如下图所示：

上述的程序中，我们首先利用requests请求网页，然后利用BeautifulSoup解析网页。这里需要注意的是，不同的li标签的“id"是根据排名来进行变化的。

所以我们要通过循环来构建不同的id属性，以此来抓取对应的li标签，并提取姓名、国籍等信息。

利用self.downloadImg函数将图片下载到本地，将抓取到的姓名和国籍等信息保存到本地。抓取到的信息如下所示：

获取到数据后，我们来对数据进行一下清晰，并看一下从数据中能获得什么信息。

1).大洲信息统计

可以看到，美女们来自全球各地，这里我们以国家为统计单位，统计各个大洲上国家出现的次数，注意，上面的”Filipina-American“，我们将其统计两次，即既是菲律宾人也是美国人。通过下面的程序，我们可以可视化的展示出不同大洲国家出现的次数。

可以看到，全球一百名美女来自了除南极洲之外的其他六个大洲，其中来自亚洲的国家是最多的，欧洲和北美洲紧随其后。

2).国籍信息统计

对于美女国籍的统计和可视化处理，是一件非常麻烦的事情，这里需要针对数据进行耐心的判断处理，虽然非常消耗时间，但是好在数量并不是很多，如下图所示：

我们针对于不同美女的不同国家信息，只需要进行循环判断，例如如果美女的国家是”Thai"，我们就将其国家补充为“Thailand”。因为在后续利用pyecharts可视化过程中，我们需要利用pyecharts自带的标准国家名称来显示，否则的话就没有办法进行数字的显示。经过判断统计后，其可视化结果如下。

可以看到，这一百名美女中，来自美国的是最多的，当然，不可否认的是很多都是持有美国和其他国家的双重国籍身份的。来自英国的是13名美女，当然也是有许多是持有双重国籍的身份。

而第三名的中国和韩国则是完全不存在双重国籍的问题。从全球的分布范围来看，非洲和欧洲的人数直观看上去非常的少，尤其是意大利、法国等一些欧洲国家，都没有如选前100名的美女出现。

3).职业分析

对于榜单中美女们的职业，这里也是非常的集中，只有三种职业：模特、演员、歌手。毫无疑问，每一个职业都是需要自身的条件非常的完美。

而在职业的占比中，可以看到演员的占比是最高的，因为颜值是一个演员的名片，也是打分成绩中占比最高的一项，因此在前100名中，演员占比最高也就不足为奇了。

4).颜值打分

既然这个榜单是关于全球最美的100名女性，那颜值自然是逃不开的话题，最后，我们来利用百度的人脸识别来为100名美女的颜值做一个打分，来看一下究竟在AI的眼中，谁是最美的女明星。

上述程序中，通过向FaceScore函数传递图片的路径，在FaceScore函数中，通过get_file_content函数将图片以二进制形式读取；

并通过base64库进行编码后，作为params参数post给请求url链接。并解析url链接返回的信息，提取返回信息中的颜值打分数据；

运行上述的程序后，我们就会得到关于100名美女的AI颜值打分。这里 我们为大家展示一下，颜值打分前五名都有哪些明星。

以上就是小编今天为大家带来的关于全球最美100名女性的分享，欢迎大家在留言区吱一声，说说你最喜欢哪一位女神哦！

菜鸟编程大本营，已经正式上线

专注于分享趣味的编程技巧，不限于Java, Python ,Go, Javascript等语言，让菜鸟爱上编程，进阶成为高手，欢迎关注。

菜鸟编程本营，从菜鸟进阶高手

点这里，获取新手福利