大数据揭秘: 原来单身女生有这些特点...，掌握大数据，你远远不止会这些

标签：14.   目标   需要   考试   范围   ×××   自己的   体系   意思   

知己知彼，百战不殆。如果你是一个单身女性，你可以看到自己的某些影子；如果是单身男生，你需要了解目标人群的特点；如果是已婚男士，要相信“天下凤凰一般美！！！”

说 明

开始本文之前有几点说明：

1、本文数据主要来自于某婚恋网站的爬虫搜索数据；

2、该网站上的女生默认为单身；

3、该网站上的个人信息默认为真实；

4、爬取的样本数据具有充分的代表性。

5.很多初学者，对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习qq群：458345782，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系。

一、基本概况

爬取该网站18~37岁之间的女生个人主页信息，总体数量在5000左右，地域范围涵盖三十多个省（自治区、直辖市）。数据质量方面：身高、体重和工作等部分信息缺省。

二、人群年龄与星座分布

从年龄直方图看，基本满足正态分布，在24岁和32岁左右存在两个较大的波峰。18~23岁正处于大学教育阶段，校园恋情比较多，因此该年龄阶段在网站注册人数较少；26岁处于两个波峰之间，是剩下比较少的年纪，说明这个年龄阶段的比较抢手。

从星座分布来看，风相星座中的双子座（11.47%）和天秤座（10.58%）的优异成绩勇夺前两名，有意思的是，同属风相星座的水瓶座以5.51%垫底。按照一般的理解，风相星座想象力丰富，擅长社交，语言表达能力强，但性格变化多端，有喜新厌旧和情绪化的毛病，这也许是呈现两极分化的原因吧。而自带招黑体质的×××座（8.78%）表现相对中庸。

三、外貌协会特点

从身高分布直方图上看，身高的众数为165CM，主要分布区间为160~170。

从体重分布直方图上看，体重集中于48~53kg之间，基本满足正态分布规律。

从外貌自我描述的关键词上看，“迷人”、“秀气”、“可爱”高居三甲，同时“长发”看起来是一个很重要的特征，有意思的是还有人将“爱笑”、“健康”作为自我外貌的描述关键词。

四、个性和爱好

从个性描述上看，“温柔”、“开朗”、“活泼”的女生占据了单身女性的大多数，估计和人群分布规律类似。比较吸引眼球的关键词“简单”。我觉得此处的简单，可能就是所谓的“喂马劈柴周游世界”“从明天起关心粮食和蔬菜”吧。

从爱好上看，“旅游”、“逛街”、“聚会交友”爱好榜前三名。这也很好理解，主要的爱好其实是买买买，可以逛街买，也可以旅游买，买了之后可以聚会交友，而后带上朋友一起买。。。

五、受教育情况

受教育程度上看，本科占据了绝大多数，这和人群的分布规律基本一致。

六、工作和收入

职业分布情况见下图：

令人比较吃惊的是各位单身的收入，不想评论了，都这么高。。。

七、全国分布情况

可以看出，经济发达的上海、北京等大城市的数量比较多，与黑河腾冲线人口分布规律一致。

八、数据相关性

选取年龄、身高、星座、省份、学历、收入、职业等7个维度的刻画数据，分别计算Pearson、Spearman和Kendall相关系数。

结论基本一致：收入和职业的相关性较强（Pearson相关系数=0.46），其次是收入和年龄、学历的相关性。一个有趣的发现是身高和学历竟然存在微弱的相关性，Pearson相关系数为0.26；而星座与其他各项的相关性最弱，所以经常说的XX星座擅长考试的说法应该是没有依据的吧。

九、小结

单身女生分析报告基本完成。从统计结论上看，与人群分布规律基本一致，也与外界的认知基本统一。不过也有几点有意思的发现：比如年龄分布的双峰特点、风相星座的两极分化、“旅游逛街交友”的三大爱好以及身高和学历间的微弱相关性。

数据里蕴含着丰富的宝藏，只要挖掘，总会有所发现。

大数据揭秘: 原来单身女生有这些特点...，掌握大数据，你远远不止会这些

标签：14.   目标   需要   考试   范围   ×××   自己的   体系   意思   

原文地址：http://blog.51cto.com/14042734/2313379