哪个国家的亿万富豪最多？男女比例如何？哪个国家的富豪拥有的财富比例最高？他们的钱都是哪来的？谁是最年轻和最老的亿万富翁？目前他们的身价有何变化？每个国家的首富分别是谁？近日，纽约数据科学学院的Nilesh Patel采用爬虫对福布斯富豪榜进行大数据分析，揭开了全球亿万富豪们的财富密码。
11张
世界财富的分布是一个倒金字塔形状的，来自71个国家的2212人共同拥有9.1万亿美元的财富。他们中的大多数人是白手起家，在科技、金融、时尚和体育行业建立起了自己的“帝国”。有一些人事业刚起步时就处在领先位置上，因为他们从自己的家族企业继承了一大笔财产。这个项目就是要通过数据可视化，分析这些富豪们。
▍项目介绍
在数据源方面我选择了福布斯富豪榜（福布斯杂志于1917年发起的富豪排名的榜单）的数据，我用Selenium工具进行了数据爬取。
至于为什么是福布斯？因为它是一家聚焦商业、投资、科技、企业家、领导艺术以及生活方式的超过百年历史的媒体。他现在有超过3800万的社交网络粉丝。重要的是它维护着一个富豪数据库，并且一直进行着及时更新。
▍项目目标
我的项目是为了回答下面的所有问题：
● 哪个国家的亿万富豪最多？
● 男女比例如何？
● 哪个国家的富豪拥有的财富比例最高？
● 他们的钱都是哪来的？
● 谁是最年轻和最老的亿万富翁？
● 目前他们的身价有何变化？
● 每个国家的首富分别是谁？
2019胡润全球富豪榜：马云为华人首富
▍数据爬取
爬取数据的过程如下：
● 进入福布斯亿万富翁专题首页
● 找到页面的URL地址
● 爬取每个人的细节信息（排名、姓名、身价、年龄、收入来源、国籍、性别）
● 在过程中寻找X path时遇到一些麻烦，因为有时候扫描全网页会发现并没有什么独特的X path
● 对于性别和最新身价的信息，我单独进行了爬取，因为它们和其他信息不在同一页面
▍数据清洗
在得到初步的数据后，新的挑战是如何清洗数据并不丢失重要信息。我使用了Python Numpy、Pandas、正则表达式以及其他方法。我利用我拥有的另一组数据框架，给我的数据增加了两列。之后我增加了一列数据，它显示的是年初的身价和最新身价相比的变化。
▍数据清洗
在制作数据可视化图表时，我使用了Matplotlib和Seaborn文库包。
● 哪个国家亿万富翁数最多？
从下图可以看到，美国最多，有585名亿万富翁，其次是中国，有373名。之后是德国、印度和俄罗斯。
● 男女比例
男性1972人，占比89.2%，女性240人，占比10.8%。我自己是觉得有点吃惊，我本来以为女性占比会更多一些。
● 哪个国家亿万富翁们的财富占整体的比例最高？
如我们所期待的那样，美国排名第一，而且由于数据和其他国家情况差别很大，所以没有在图中展示。第二是中国。第三到第五比较有意思，分别是巴西、加拿大和澳大利亚。
● 最主要的收入来源？
下图可以看出人们的收入来源都很相似，地产收入是所有人的重要收入来源，投资排在第二。药物、零售、对冲基金、银行等也是很重要的收入来源。
● 最年轻和最老的富翁
在分析年龄方面我做了一个直方图，我发现大多数人的年龄在50到75岁之间，平均年龄是63岁，中位数是64岁。
最年轻的亿万富翁是安德烈森，她是丹麦人，年龄22岁，身价达到14亿美元。最老的是新加坡航运公司的创始人Chang Yun Chung，今年已经100岁了，身价为19亿美元。
● 身价最新变化
下图是前11位富豪在2018年1月和10月的身价变化。
● 各国首富
下图是各国首富的身价以及具体的信息。美国首富贝索斯，身价在1470亿美元左右。
▍结论
这个项目只是一个开始，并没有结束。未来，我希望对过去5年的情况进行分析，这样可以更好地看到这些变量带来的影响。此外我还希望解答下列问题：
● 哪些人加入或者离开了这个富豪榜？
● 富豪个人的排名等变化如何影响了他们的国家？
● 他们每年的财产增减幅度是怎样的？
关于作者：
Nilesh Patel 拥有通信工程学位，最初曾担任程序员，之后在商业方面积累了许多工作经验。他是纽约数据科学院的数据科学家，他喜欢团队合作，并且工作努力，热衷于发现新的方式来解决各种问题。
关于纽约数据科学学院
纽约数据科学学院 (NYC Data Science Academy) 成立于2013年，是美国行业领先的数据科学教学机构。学院提供最高质量的数据科学和数据工程培训，致力于推进全球数据科学和大数据应用进程、以及向企业界输送数据分析人才。欲了解更多欢迎扫描下方二维码关注纽约数据科学学院官方公号。
来源：极客网
