用Python分析了5万条相亲网站数据，看相亲男女画像

一、前言

数据来源：https://www.zhenai.com/zhenghun/ 本文利用 Python 分析了按城市寻找所有地区的征婚信息，看看相亲男女的画像。

二、数据查看和预处理

导入用到的库

import pandas as pd
import re

读取数据，查看前 5 行

df = pd.read_excel('marriage.xlsx')
df.head()

结果如下：

查看索引、数据类型和内存信息

df.info()

可以看到数据都没有缺失值。

获取到的数据里，居住地是各地区的，为了便于分析，需要处理成省级行政区，学历/月薪那一列数据，有些是月薪，有些是学历，可以分别处理成两列数据，是学历的，提取出学历层次，月薪标记为 "未知"；是月薪的，提取出月薪并计算，学历标记为 "未知"。

# 获取34个省级行政区域，包括23个省，5个自治区，4个直辖市，2个特别行政区的名称
with open('地区.txt', 'r', encoding='utf-8') as f:
    area = f.read().split('\n')

print(area)
print(len(area))

结果如下：

['北京', '上海', '天津', '重庆', '黑龙江', '吉林', '辽宁', '内蒙古', '河北', '新疆', '甘肃', '青海', '陕西', '宁夏', '河南', '山东', '山西', '安徽', '湖北', '湖南', '江苏', '四川', '贵州', '云南', '广西', '西藏', '浙江', '江西', '广东', '福建', '台湾', '海南', '香港', '澳门']
34

areas_list = []
for i in df['居住地']:
    for j in area:
        if j in i:
            areas_list.append(j)
            break
    else:
        areas_list.append('未知')

df['居住地'] = areas_list
df.head()

结果如下：

with open('学历.txt', 'r', encoding='utf-8') as fp:
    edu = fp.read().split('\n')

print(edu)

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：810735403

结果如下：

['博士', '硕士', '本科', '大专', '中专', '高中', '初中', '小学']

salary_list = []
edu_list = []
for item in df['学历/月薪']:
    if '元' in item:   # 这一列的数据是表达月薪的话  计算
        data = re.findall('\d+', item)
        data = [int(x) for x in data]
        salary = int(sum(data) / len(data))  # 取整
        salary_list.append(salary)
        edu_list.append('未知')
    else:
        salary_list.append('未知')
        for e in edu:
            if e in item:
                edu_list.append(e)
                break
        else:
            edu_list.append('未知')

print(len(edu_list))
print(len(salary_list))
df['学历'] = edu_list
df['月薪'] = salary_list
df.head()      

结果如下：