最近可以追的綜藝真是太多了，特別是女團選秀節目。之前我們剛聊過《青春有你2》，現在隔壁鵝廠的《創造營2020》又火熱開播了。除了數不清的漂亮小姐姐，導師團除了黃子韜、鹿晗，最新一期中吳亦凡更是作為特約教練登場，「歸國三子」一下子就引爆了話題度。
01、《創造營2020》到底好看嗎？
那麼《創造營2020》到底好看嗎？先讓我們看到豆瓣，目前已經有25129人打分，分數為6.6分。
對比起隔壁的《青你2》5.2分，創造營還略勝一籌，不過剛更新3期，還可以在觀望一下。
總體評分分布
具體看到總體評分分布，其中11.8%的人給了5星，19.6%的人給了4星，其中打1星的最多佔到39.8%。
其中給出1分2分算評分較差的，4分5分算比較好的推薦分數。我們分布看到這兩部分評分的詞雲圖。
在評分較低的觀眾看來，主要的吐槽點有關於"賽制"、"導師"、"剪輯"方面。直接表達"不好看"、"勸退"、"吊打"的評論也有不少。
在給出分數較高，推薦的觀眾看來，《創造營2020》的亮點在於"選手小姐姐"、"導師陣容"、"話題"。鵝廠的"財大氣粗"、"燃燒的經費"也令人印象深刻。其次也有認為比《青你2》要更好看的。
02、教你用Python分析101位選手小姐姐
之前看到 菜鳥學Python 寫了一篇「我用Python分析了《青春有你2》109位漂亮小姐姐，真香！」這次C君也受到了點啟發，打算也用Python來盤一盤《創造營2020》的小姐姐們。
下面讓我們來通過Python為大家介紹一下這101位美麗的小姐姐吧。
數據獲取數據預處理：數據合併和欄位提取數據可視化分析
1、數據獲取
此次我們主要獲取了以下部分的數據：
從騰訊的官方助力網站，來獲取選手的姓名和照片信息從維基百科獲取選手的籍貫、年齡、身高、所在經濟公司信息調用百度智能雲的AI人臉識別接口，輸入選手照片，獲取選手顏值等信息。
下面看到具體步驟和部分關鍵代碼:
獲取騰訊撐腰榜數據
我們獲取數據的頁面地址如下：
https://m.v.qq.com/activity/h5/303_index/index.html?ovscroll=0&autoplay=1&actityId=107015
這是一個動態js加載的網站，使用chrome瀏覽器簡單的抓包分析，得到真實的數據傳輸接口，通過修改其中的pageSize參數即可得到所有的數據。
代碼如下：
# 導入庫import pandas as pdimport requestsimport jsondef get_tx_actors(): """ 功能：獲取創造營2020撐腰榜數據。 """ # 獲取URL url = 'https://zbaccess.video.qq.com/fcgi/getVoteActityRankList?raw=1&vappid=51902973&vsecret=14816bd3d3bb7c03d6fd123b47541a77d0c7ff859fb85f21&actityId=107015&pageSize=101&vplatform=3&listFlag=0&pageContext=&ver=1&_t=1589598410618&_=1589598410619' # 添加headers headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36' } # 發起請求 response = requests.get(url, headers=headers) # 解析數據 json_data = json.loads(response.text) # 提取選手信息 player_infos = json_data['data']['itemList'] # 提取詳細信息 names = [i['itemInfo'].get('name') for i in player_infos] rank_num = [i['rankInfo'].get('rank') for i in player_infos] images = [i['itemInfo']['mapData'].get('poster_pic') for i in player_infos] # 保存信息 df = pd.DataFrame({ 'names': names, 'rank_num': rank_num, 'images': images }) return df
通過以上程序，獲取到101位選手的姓名、排名和照片信息，並將選手的照片保存到本地。獲取數據如下所示：
df1.head()
獲取維基百科數據
此處使用selenium獲取，需要電腦可以登錄外網，代碼較為簡單，暫時省略。
這裡主要獲取了選手的籍貫、年齡、身高、所在經濟公司信息，如下所示：
df2.head()
調用百度AI接口獲取顏值數據
百度AI人臉詳細的識別文檔地址如下：
https://ai.baidu.com/ai-doc/FACE/yk37c1u4t
首先需要在官網申請個人的token信息，然後下面的程序中，get_face_score函數首先構造請求URL，然後構造請求的params表單數據，包括base64編碼的圖片信息，圖片類型和想要獲取的人臉信息。通過POST方法獲取返回的json數據，返回的json數據裡就包含著我們需要的顏值得分和年齡估計等信息，具體代碼如下：
def get_file_content(file_path): """ 功能：使用base64轉換路徑編碼 """ with open(file_path, 'rb') as fp: content = base64.b64encode(fp.read()) return content.decode('utf-8')def get_face_score(file_path): """ 功能：調用api，實現一個百度的顏值分析器 """ # 調用函數，獲取image_code image_code = get_file_content(file_path=file_path) # 請求base_url request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect" # 表單數據 params = { 'image':'{}'.format(image_code), 'image_type': 'BASE64', 'face_field': 'age,gender,beauty' } # 調用函數，獲取token my_access_token = "官網獲取的個人的token信息" # 獲取access_token access_token = my_access_token # 構建請求URL request_url = request_url + "?access_token=" + access_token # 請求頭 headers = {'content-type': 'json'} # 發起請求 response = requests.post(request_url, data=params, headers=headers) if response: print(response.json()) age = response.json()['result']['face_list'][0]['age'] gender = response.json()['result']['face_list'][0]['gender']['type'] gender_prob = response.json()['result']['face_list'][0]['gender']['probability'] beauty = response.json()['result']['face_list'][0]['beauty'] all_results = [age, gender, gender_prob, beauty] return all_results
通過以上程序，獲取到101位選手通過百度AI預測的年齡、性別、性別預測概率、顏值等信息。
df3.head()
2、數據預處理
此處我們主要對以上獲取的數據集進行整理和清洗，清洗後的數據如下所示：
df.head()
3、數據可視化
獲取和整理數據之後，接下來我們使用數據可視化庫pyecharts進行以下的數據可視化分析。
選手的年齡分布
首先在年齡上，選手最小年齡是18歲，最大年齡是25歲。我們對年齡進行了分箱，具體分析發現20-22歲的選手最多，佔比達到35.87%。其次是22-24歲，佔比29.35%，緊隨其後是18-20歲，佔比28.26%。最後是24-26歲，僅佔比6.52%。看來想要出道真的需要趁早啊!
代碼如下：
# 分箱age_bins = [18,20,22,24,26] age_labels = ['18-20', '20-22', '22-24', '24-26']age_cut = pd.cut(df.age, bins=age_bins, labels=age_labels)age_cut = age_cut.value_counts()# 產生數據對data_pair = [list(z) for z in zip(age_cut.index.tolist(), age_cut.values.tolist())]# 繪製餅圖# {a}（系列名稱），{b}（數據項名稱），{c}（數值）, {d}（百分比）pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))pie1.add('', data_pair=data_pair, radius=['35%', '60%'])pie1.set_global_opts(title_opts=opts.TitleOpts(title='選手年齡分布'), legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%"))pie1.render()
選手的真實年齡和百度AI預測對比
我們將百度AI預測的年齡和真實年齡進行了對比，可以看出模型預測的方差較小，由計算可知平均預測的絕對誤差在1.67歲，預測結果還是比較準確的。
代碼如下：
# 產生數據x1_line2 = df.names.values.tolist()y1_line2 = df.age.values.tolist()y2_line2 = df.pred_age.values.tolist()# 繪製折線圖line2 = Line(init_opts=opts.InitOpts(width='1350px', height='750px'))line2.add_xaxis(x1_line2)line2.add_yaxis('真實年齡', y1_line2)line2.add_yaxis('預測年齡', y2_line2) line2.set_global_opts(title_opts=opts.TitleOpts('選手的真實年齡和百度AI預測對比'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate='30')), yaxis_opts=opts.AxisOpts(min_=15, max_=30), ) line2.set_series_opts(label_opts=opts.LabelOpts(is_show=False))line2.render()
選手的身高分布
通過上圖可以看出，選手的身高基本符合正態分布。身高方面小姐姐們都在160以上，最高的是175cm，令人意外的是身高167cm的最多，共有34名。看來女團對身高的要求還挺高的。
選手籍貫分布
那麼小姐姐們都來自哪些地區呢？
這裡我們只是關注了國內的情況，馬來西亞和俄羅斯等其他國家，並不在我們的統計範圍內。經過分析整理可以發現，來自四川的人數是最多的，看來四川當之無愧是個盛產美女之地，然後是廣東和湖南。
代碼如下：
city_num = df.region.value_counts()# 數據對data_pair2 = [list(z) for z in zip(city_num.index.tolist(), city_num.values.tolist())]# 繪製地圖map1 = Map(init_opts=opts.InitOpts(width='1350px', height='750px'))map1.add('', data_pair2, maptype='china')map1.set_global_opts(title_opts=opts.TitleOpts(title='選手的籍貫分布'), visualmap_opts=opts.VisualMapOpts(max_=9))map1.render()
選手所在經濟公司分布
同時再看到選手的經濟公司。可以看到，其中絲芭傳媒推出的選手人數位居第一，最多共有7人，絲芭傳媒是中國大型女子偶像團體SNH48的運營公司，值得注意的是它在青春有你2中選送的選手數量也是最多的。
代碼如下：
company_num = df.company.value_counts(ascending=False) # 柱形圖bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))bar1.add_xaxis(company_num.index.tolist())bar1.add_yaxis('', company_num.values.tolist())bar1.set_global_opts(title_opts=opts.TitleOpts(title='選手所在經濟公司分布'), visualmap_opts=opts.VisualMapOpts(max_=7), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate='60')), )bar1.render()
選手的顏值分布
最後再看到大家最最的顏值問題啦，這次我們還調用百度智能雲的AI人臉識別接口，輸入選手照片，獲取選手顏值等信息。
通過AI接口，可以看到由百度AI預測的顏值最低為57分，最高為89分，我們對顏值進行了分箱操作，其中55-60對應低，60-70對應中，70-80對應較高，80以上對應高。可以計算，較高和高佔比76%，小姐姐們的顏值都是非常高的。
其中百度AI預測顏值最高的小姐姐是誰呢？她就是崔文美秀，很靈動清秀的一位小姐姐呢。
誰是你心中《創造營2020》中的顏值擔當呢？我們也製作成了視頻版，有興趣的朋友可以關注我們發布的視頻哦！