用 Python 分析各国人口性别比例，原来单身不是我的错

前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者： 萝卜大杂烩

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

---

获取我国女性占比

首先我们先来抓取下我国女性的逐年占比数据，看看找对象在什么时代能容易些。

抓取该网站还是很容易的，直接解析 HTML 文件即可。

import requests
from bs4 import BeautifulSoup


url = 'https://www.kuaiyilicai.com/stats/global/yearly_per_country/g_population_female_perc/chn.html'
res = requests.get(url).text
html = BeautifulSoup(res, 'html.parser')
html.find('tbody').find_all('td')

这样，就获取到了所有的表格数据

[<td>2018年</td>,
 <td>48.68%</td>,
 <td>2017年</td>,
 <td>48.67%</td>,
 <td>2016年</td>,
 <td>48.65%</td>,
 <td>2015年</td>,
 <td>48.64%</td>,
 <td>2014年</td>,
 <td>48.63%</td>,
...

不过这个表格数据里会有谷歌广告的代码，需要去掉下

chinese_data = html.find('tbody').find_all('td')
i = 0
for d in chinese_data:
    if r"adsbygoogle" in d.text:
        chinese_data.pop(i)
    i += 1

接下来就可以获取年份和对应的数据了

year = []
data = []
i = 1
for d in chinese_data:
    if i == 1 or i%2  != 0:
        year.append(d.text)
    else:
        temp = d.text.split('%')
        data.append(temp[0])
    i += 1

拿到 year 和 data 两个列表后，我们就可以开始作图了。

当然我还获取了世界上其他国家的女性比例，出生性别比例等数据，抓取方式都类似，就不再一一重复了。

历年女性占比分析

可以看到，我国的女性占比常年是低于50%，大胆推测，这绝对和我们上下五千年的历史文化遗留有关啊。

不过情形在慢慢变好，在上世纪80年代左右，我国的女性占比很好的稳定在了48.69%-48.68%这里，而48.69%竟然已经是女性占比的最高比例了。

接下来我们着重看看2018年的数据吧，这一年女性占比为48.68%，而根据人口普查，2018年我国总人口为13.93亿 (1,392,730,000)，那么男性比女性就多出了36,768,072，整整3千6百多万人啊。所以说如果你在去年还是单身，那么不要悲伤，因为最少还有3千多万人陪着你，当然如果你现在成功脱单了，祝贺你，你是那个踏过独木桥的人，堪称中了超级福利彩票，请一定要珍惜！

历年出生比例分析

出生人口性别比是指活产男婴数与活产女婴数的比值。正常情况下，出生性别比是由生物学规律决定的，保持在1.02—1.07之间。

也就是说正常情况下统计学界和生物学界已经默认了男性出生比例要高于女性呀。

世界各国（或地区）女性占比

我这里先选取了世界范围内女性占比前十的数据，来看看哪个国家（或地区）的男同胞们最幸福

我们一直听到的都是东欧美女多，剩女也多，看来真的不假啊。拉脱维亚、立陶宛、乌克兰，白俄罗斯这些国家是不是大家都耳熟能详。

前些年网络上流行的国内屌丝小伙，到了乌克兰通过个人奋斗，成功迎娶白富美，走上人生巅峰的事迹还是一直在激励着我（们）呀。

下面就刺激了，我们来看看女性比例排名后十的国家和地区都是哪些呢

从后面数五个，清一色的穆斯林国家，而卡塔尔和阿联酋的女性比例竟然还不到30%。

世界范围出生性别比例

最后我们再来看下在世界范围内，出生性别比例的数据

比例最高的前十名

所以说，综上分析，作为程序猿们，我们成功脱单，那是个人实力和人格魅力的成功体现，如果还在单身，没事儿的朋友，大环境不好啊