5行代码带你爬取 “2021福布斯排行榜“，看看中国都有哪些人？

淩亂°似流年 2022-09-06 14:27 45阅读 0赞

今天是2021年8月20号，晚上坐在家里面，突然看到了`2021福布斯排行榜`的新闻。于是有感而发，写了这篇文章。

> 新闻 ： 排行榜123网富豪频道为您提供2021年福布斯富豪榜，榜单包括2021世界首富排行榜，以及全球各个国家富豪排名。目前杰夫·贝佐斯以1914亿美元的财富位居世界首富第一名，而中国首富为：钟睒睒（身价：626亿美元）

由于这是一个表格型的数据，也没什么反扒措施，为了节省时间，直接上`pandas`库吧，我只需要5行代码就行啦！

import pandas as pd
    import csv
    
    for i in range(1,16):  # 爬取全部页
        tb = pd.read_html(f'https://www.phb123.com/renwu/fuhao/shishi_{
          i}.html')[0] 
        tb.to_csv(r'福布斯排行榜.csv', mode='a', encoding='utf_8_sig', index=0)

结果如下：  
![在这里插入图片描述][9dc70880c3e14367ac56796ad6848317.png]  
太尴尬了，标题行都在，那就有14个表头了，我们读取一下，去掉重复行吧！

df = pd.read_csv("福布斯排行榜.csv",header=None)
    df.drop_duplicates(inplace=True)
    df.to_excel("福布斯排行榜.xlsx",index=None)

直接使用`drop_duplicates()`函数，实现去重操作，并重新保存了一个新文件。

好了，开始我们的数据探索吧！

df1 = pd.read_excel("福布斯排行榜.xlsx",header=1)
    df1

结果如下：  
![在这里插入图片描述][e7e4b46800334658b0fab907e5295948.png]

#### 1. 排行榜世界前10 ####

x = df1.head(10)
    x

结果如下：  
![在这里插入图片描述][d08629778a6b491aa370512ec9bc236e.png]

#### 2. 上榜人数最多的前10个国家 ####

df1.groupby("国家/地区")["名字"].count().sort_values(ascending=False)[:10].to_frame().reset_index()

结果如下：  
![在这里插入图片描述][43dad526baa240ad88fdc33eb15c2c9c.png]

#### 3. 排行榜中国前10 ####

y = df1[df1["国家/地区"] == "中国"]
    y.head(10)

结果如下：  
![在这里插入图片描述][de73a1c5945a4f64a930554b3a50d518.png]  
其实不管是中国前十，还是世界前十，基本都是一些咱们`耳熟能详`的企业。不得不说，美国佬上榜的人数确实多。

好了，了解一下就好，在心里激励一下自己吧！成不了别人，更应该加油。就当作是周末的一个鸡汤吧！

[9dc70880c3e14367ac56796ad6848317.png]: /images/20220829/856e52560ecb4ce7ba7753d090b35829.png
[e7e4b46800334658b0fab907e5295948.png]: /images/20220829/d51459a562d9481488d601e8bc5fd1ec.png
[d08629778a6b491aa370512ec9bc236e.png]: /images/20220829/51f9b9f6b79f40fcacedc265a6e8622f.png
[43dad526baa240ad88fdc33eb15c2c9c.png]: /images/20220829/18d9487755f34eb89c331e9734a9b114.png
[de73a1c5945a4f64a930554b3a50d518.png]: /images/20220829/190dbe3a882e49b4a5fd4474516c73fe.png