新浪资讯

大数据分析福布斯全球富豪榜 揭开富豪财富密码

新浪热点

关注

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。

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

加载中...