大數(shù)據(jù)分析福布斯富豪榜 揭開(kāi)全球億萬(wàn)富豪們的財(cái)富密碼

哪個(gè)國(guó)家的億萬(wàn)富豪最多？男女比例如何？哪個(gè)國(guó)家的富豪擁有的財(cái)富比例最高？他們的錢都是哪來(lái)的？誰(shuí)是最年輕和最老的億萬(wàn)富翁？目前他們的身價(jià)有何變化？每個(gè)國(guó)家的首富分別是誰(shuí)？近日，紐約數(shù)據(jù)科學(xué)學(xué)院的Nilesh Patel采用爬蟲對(duì)福布斯富豪榜進(jìn)行大數(shù)據(jù)分析，揭開(kāi)了全球億萬(wàn)富豪們的財(cái)富密碼。

世界財(cái)富的分布是一個(gè)倒金字塔形狀的，來(lái)自71個(gè)國(guó)家的2212人共同擁有9.1萬(wàn)億美元的財(cái)富。他們中的大多數(shù)人是白手起家，在科技、金融、時(shí)尚和體育行業(yè)建立起了自己的“帝國(guó)”。有一些人事業(yè)剛起步時(shí)就處在領(lǐng)先位置上，因?yàn)樗麄儚淖约旱募易迤髽I(yè)繼承了一大筆財(cái)產(chǎn)。這個(gè)項(xiàng)目就是要通過(guò)數(shù)據(jù)可視化，分析這些富豪們。

▍項(xiàng)目介紹

在數(shù)據(jù)源方面我選擇了福布斯富豪榜（福布斯雜志于1917年發(fā)起的富豪排名的榜單）的數(shù)據(jù)，我用Selenium工具進(jìn)行了數(shù)據(jù)爬取。

至于為什么是福布斯？因?yàn)樗且患揖劢股虡I(yè)、投資、科技、企業(yè)家、領(lǐng)導(dǎo)藝術(shù)以及生活方式的超過(guò)百年歷史的媒體。他現(xiàn)在有超過(guò)3800萬(wàn)的社交網(wǎng)絡(luò)粉絲。重要的是它維護(hù)著一個(gè)富豪數(shù)據(jù)庫(kù)，并且一直進(jìn)行著及時(shí)更新。

▍項(xiàng)目目標(biāo)

我的項(xiàng)目是為了回答下面的所有問(wèn)題：

● 哪個(gè)國(guó)家的億萬(wàn)富豪最多？

● 男女比例如何？

● 哪個(gè)國(guó)家的富豪擁有的財(cái)富比例最高？

● 他們的錢都是哪來(lái)的？

● 誰(shuí)是最年輕和最老的億萬(wàn)富翁？

● 目前他們的身價(jià)有何變化？

● 每個(gè)國(guó)家的首富分別是誰(shuí)？

▍數(shù)據(jù)爬取

爬取數(shù)據(jù)的過(guò)程如下：

● 進(jìn)入福布斯億萬(wàn)富翁專題首頁(yè)

● 找到頁(yè)面的URL地址

● 爬取每個(gè)人的細(xì)節(jié)信息（排名、姓名、身價(jià)、年齡、收入來(lái)源、國(guó)籍、性別）

● 在過(guò)程中尋找X path時(shí)遇到一些麻煩，因?yàn)橛袝r(shí)候掃描全網(wǎng)頁(yè)會(huì)發(fā)現(xiàn)并沒(méi)有什么獨(dú)特的X path

● 對(duì)于性別和最新身價(jià)的信息，我單獨(dú)進(jìn)行了爬取，因?yàn)樗鼈兒推渌畔⒉辉谕豁?yè)面

▍數(shù)據(jù)清洗

在得到初步的數(shù)據(jù)后，新的挑戰(zhàn)是如何清洗數(shù)據(jù)并不丟失重要信息。我使用了Python Numpy、Pandas、正則表達(dá)式以及其他方法。我利用我擁有的另一組數(shù)據(jù)框架，給我的數(shù)據(jù)增加了兩列。之后我增加了一列數(shù)據(jù)，它顯示的是年初的身價(jià)和最新身價(jià)相比的變化。

清洗后的數(shù)據(jù)長(zhǎng)這樣：

▍數(shù)據(jù)清洗

在制作數(shù)據(jù)可視化圖表時(shí)，我使用了Matplotlib和Seaborn文庫(kù)包。

● 哪個(gè)國(guó)家億萬(wàn)富翁數(shù)最多？

從下圖可以看到，美國(guó)最多，有585名億萬(wàn)富翁，其次是中國(guó)，有373名。之后是德國(guó)、印度和俄羅斯。

● 男女比例

男性1972人，占比89.2%，女性240人，占比10.8%。我自己是覺(jué)得有點(diǎn)吃驚，我本來(lái)以為女性占比會(huì)更多一些。

● 哪個(gè)國(guó)家億萬(wàn)富翁們的財(cái)富占整體的比例最高？

如我們所期待的那樣，美國(guó)排名第一，而且由于數(shù)據(jù)和其他國(guó)家情況差別很大，所以沒(méi)有在圖中展示。第二是中國(guó)。第三到第五比較有意思，分別是巴西、加拿大和澳大利亞。

● 最主要的收入來(lái)源？

下圖可以看出人們的收入來(lái)源都很相似，地產(chǎn)收入是所有人的重要收入來(lái)源，投資排在第二。藥物、零售、對(duì)沖基金、銀行等也是很重要的收入來(lái)源。

● 最年輕和最老的富翁

在分析年齡方面我做了一個(gè)直方圖，我發(fā)現(xiàn)大多數(shù)人的年齡在50到75歲之間，平均年齡是63歲，中位數(shù)是64歲。

最年輕的億萬(wàn)富翁是安德烈森，她是丹麥人，年齡22歲，身價(jià)達(dá)到14億美元。最老的是新加坡航運(yùn)公司的創(chuàng)始人Chang Yun Chung，今年已經(jīng)100歲了，身價(jià)為19億美元。

● 身價(jià)最新變化

下圖是前11位富豪在2018年1月和10月的身價(jià)變化。

● 各國(guó)首富

下圖是各國(guó)首富的身價(jià)以及具體的信息。美國(guó)首富貝索斯，身價(jià)在1470億美元左右。

▍結(jié)論

這個(gè)項(xiàng)目只是一個(gè)開(kāi)始，并沒(méi)有結(jié)束。未來(lái)，我希望對(duì)過(guò)去5年的情況進(jìn)行分析，這樣可以更好地看到這些變量帶來(lái)的影響。此外我還希望解答下列問(wèn)題：

● 哪些人加入或者離開(kāi)了這個(gè)富豪榜？

● 富豪個(gè)人的排名等變化如何影響了他們的國(guó)家？

● 他們每年的財(cái)產(chǎn)增減幅度是怎樣的？

關(guān)于作者：

Nilesh Patel 擁有通信工程學(xué)位，最初曾擔(dān)任程序員，之后在商業(yè)方面積累了許多工作經(jīng)驗(yàn)。他是紐約數(shù)據(jù)科學(xué)院的數(shù)據(jù)科學(xué)家，他喜歡團(tuán)隊(duì)合作，并且工作努力，熱衷于發(fā)現(xiàn)新的方式來(lái)解決各種問(wèn)題。

關(guān)于紐約數(shù)據(jù)科學(xué)學(xué)院

紐約數(shù)據(jù)科學(xué)學(xué)院 (NYC Data Science Academy) 成立于2013年，是美國(guó)行業(yè)領(lǐng)先的數(shù)據(jù)科學(xué)教學(xué)機(jī)構(gòu)。學(xué)院提供最高質(zhì)量的數(shù)據(jù)科學(xué)和數(shù)據(jù)工程培訓(xùn)，致力于推進(jìn)全球數(shù)據(jù)科學(xué)和大數(shù)據(jù)應(yīng)用進(jìn)程、以及向企業(yè)界輸送數(shù)據(jù)分析人才。欲了解更多歡迎掃描下方二維碼關(guān)注紐約數(shù)據(jù)科學(xué)學(xué)院官方公號(hào)。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。