用Python采集了几千条相亲文案，终于发现了告别单身的秘密

女爷i 2022-09-17 00:56 187阅读 0赞

前不久，小编刷到这样一条短视频，“1.7亿的90后仅有约1000万对结婚，**结婚率不到10%**”，当然我们也无法查实当中数据的来源以及真实性，不过小编倒是总能听说身边的朋友在抱怨脱单难、找不到合适的对象。

![5fab36f8230b362b689000040fe799af.png][]

今天小编通过Python写了一个简单的脚本在抓取公开的相亲文案，看看**在相亲的都是些什么样的人**？他们的**择偶标准又是什么样子的**？什么样子的人更加容易脱单？

#### 代码的编写过程 ####

我们引入需要用到的库，这里用到`Python`当中的`requests`库来发送和接受请求，通过正则表达式`re`这个库来解析数据

import requests
    from tenacity import *
    import re
    import time

很多时候对遇到**请求超时的情况**，因此当出现一次错的时候，我们会多尝试几次，因此这里使用`retry`装饰器来多次尝试

@retry(stop=stop_after_attempt(5))
    def do_requests(url):
        response = requests.get(url, headers=headers, proxies=proxies, timeout=10)
        return response.text

我们抓取的数据包括**出生年份、身高/体重、学历、收入、职业、自我介绍、择偶标准、车房情况**等等，都是通过正则表达式`re`库来实现的，

date_of_birth = re.compile(" ①出生年月/星座(.*?) ", re.M | re.S)
 sex = re.compile(" 【基本资料】(.*?) ")
 height = re.compile(" ②身高/体重(.*?) ")
 education = re.compile(" ⑤学历(.*?) ")
 jobs_1 = re.compile(" ⑥职业(.*?) ")
 income = re.compile(" ⑦月均收入(.*?) ")
 married = re.compile(" ⑨有无婚史(.*?) ")
 house_cars = re.compile(" ⑧车房情况(.*?) ")
 self_intro = re.compile(" ⑪ 自我介绍(.*?) ")
 requirements = re.compile(" 【择偶标准】 (.*?)</a>")
 family_member = re.compile(" ⑩家庭成员(.*?) ")

下面我们通过`pyecharts`库来绘制一下分析的结果，对了，要是读者朋友不知道怎么使用`pyecharts`这个库，可以阅读一下小编写的上几篇文章，都是非常干货的

*  [20个精美图表，教你玩转Pyecharts可视化][20_Pyecharts]
 *  [干货分享 | 用Pyecharts制作炫酷的可视化大屏][_ _Pyecharts]
 *  [分享一个Pyecharts中非常重要的组件，可以大大提高绘制图表的效率][Pyecharts]
 *  [Pyecharts绘制22种超实用精美图表][Pyecharts_22]

#### 结果的可视化展示 ####

我们先来看一下性别比例，从分布来看，**女生前来相亲的比例更高**，主要也是因为数据源是来自北京、上海、杭州等**大城市的相亲介绍**，大城市中似乎女生脱单更加困难一些，

![bb4aa86f95b4ad05aedee2332d54caa1.png][]

我们再来看一下单身的女性的特征，首先她们的年龄主要集中在**94、93以及95年左右**，正好都是处在适婚的年龄

![fbd9ec5f847a5ecf6eeff938fb2959a8.png][]

而她们的学历，**本科占到了绝大多数**，基本上都有本科的学历，而**大专的占比排在第二**，硕士和博士处于少数

![0a074a440bf7cbaa6ad72d74508b8931.png][]

另外小编也对单身女性的星座做了一个统计，发现**处女座**、天秤座以及**射手座**、白羊座的女性**单身率略高一些**

![53bb53558fa532a5da968caad0f6e4b7.png][]

最后，我们来看一下她们的择偶标准吧，小编将她们的**择偶标准**单独提取出来，然后绘制成了词云图

review_list = []
    reviews = get_cut_words("".join(df_girls["requirements"].astype(str).tolist()))
    reviews_counter = Counter(reviews).most_common(200)
    print(reviews_counter)
    
    for review in reviews_counter:
        review_list.append((" " + review[0] + " ") * review[1])
    
    stylecloud.gen_stylecloud(text=" ".join(review_list), max_words=500, collocations=False,
                              font_path="KAITI.ttf", icon_name="fab fa-apple", size=653,
                              output_name="4.png")

最后呈现出来的样子如下图所示

![dfac4d271866fbde46804644faef6829.png][]

可见相亲市场上的女生，她们首先是希望男方是要**有房有车**的，其次要是男方之前存在婚史，女生会比较介意，然后要是**有稳定的工作**、有能力有责任心，通常都会给女生留下比较好的印象，而至于外在条件上，大多数女生的回答则是身高在**175-180左右**，年龄在**90-97年之间**。

#### 写在最后 ####

近年来，随着人们思想观念的改变，**相亲也逐渐得到年轻人的接受与认可**，特别是对于那些圈子比较窄，接触不到异性的人而言。小编希望每个人都能够在最后收获爱情，拥有美好的生活。

![400467822d76c91baee9d095daa48d01.png][]

历史文章

[全国气温骤降，Python一键生成御寒指南，助你温暖过冬！！][Python]

[Python一键生成国庆出行攻略，助你出门远游嗨不停！][Python 1]

[“男友家里存款只有20万，我该和他结婚么？”数据告诉你20万的存款到底算少么][20_20]

[分享几个用Python给图片添加水印的方法，简单实用][Python 2]

![5cecdd00b42aa4b80804d1e06f15235a.png][]

![62357e35ac5065a8b18485e7d937d66e.png][]

扫码加好友，加入海归Python编程和人工智能群

分享、收藏、点赞、在看安排一下？

![f95c1eac4ff036fd187da69805a817f3.gif][]

![ff37b6456de2e7171c132757c58441f1.gif][]

![0a38e48059b24a0e6b2152219603bbd7.gif][]

![9f475418889a83235a11690541d4ccc8.gif][]

[5fab36f8230b362b689000040fe799af.png]: /images/20220828/6076b08873e24ff883c223195694520c.png
[20_Pyecharts]: https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/120755116
[_ _Pyecharts]: https://blog.csdn.net/qq_31760543/article/details/118999587
[Pyecharts]: https://blog.csdn.net/weixin_43373042/article/details/120715076
[Pyecharts_22]: https://blog.csdn.net/junhongzhang/article/details/120877995
[bb4aa86f95b4ad05aedee2332d54caa1.png]: /images/20220828/db593f0ee62348159dcbf52b0b13d3f3.png
[fbd9ec5f847a5ecf6eeff938fb2959a8.png]: /images/20220828/36cb41e881774e3091a58f584975f2de.png
[0a074a440bf7cbaa6ad72d74508b8931.png]: /images/20220828/d12ef19820ae412d9843b9fad0fe44af.png
[53bb53558fa532a5da968caad0f6e4b7.png]: /images/20220828/f052658716284968a7d1ab0bae560e3b.png
[dfac4d271866fbde46804644faef6829.png]: /images/20220828/a263427066f44eb38e377e2918f0325d.png
[400467822d76c91baee9d095daa48d01.png]: /images/20220828/4ca625768a49402bb041283c3a742d1c.png
[Python]: https://blog.csdn.net/qq_34160248/article/details/120839960
[Python 1]: https://blog.csdn.net/weixin_43373042/article/details/120662920
[20_20]: https://blog.csdn.net/zw0Pi8G5C1x/article/details/120735091
[Python 2]: https://blog.csdn.net/fengdu78/article/details/120500241
[5cecdd00b42aa4b80804d1e06f15235a.png]: /images/20220828/ee67211926d441d5895d9ac08e432363.png
[62357e35ac5065a8b18485e7d937d66e.png]: /images/20220828/291fd9a4c9454df0aa0b7f2dfe37f7c0.png
[f95c1eac4ff036fd187da69805a817f3.gif]: /images/20220828/a99593b8c87b4ef59f5ab51514591252.png
[ff37b6456de2e7171c132757c58441f1.gif]: /images/20220828/5690357d945945a4975e007b1714b9ef.png
[0a38e48059b24a0e6b2152219603bbd7.gif]: /images/20220828/6c9d9b0f52a24c6fb55cfbc7dcb03330.png
[9f475418889a83235a11690541d4ccc8.gif]: /images/20220828/e826d879b71747c796a8e6272075b403.png