大資料揭秘：原來單身女生有這些特點……

作者：YOUNG

來源：科學小鎮

00 說明

開始本文之前有幾點說明：

1、本文資料主要來自於某婚戀網站的爬蟲搜尋資料；

2、該網站上的女生預設為單身；

3、該網站上的個人資訊預設為真實；

4、爬取的樣本資料具有充分的代表性。

01 基本概況

爬取該網站18~37歲之間的女生個人主頁資訊，總體數量在5000左右，地域範圍涵蓋三十多個省（自治區、直轄市）。資料質量方面：身高、體重和工作等部分資訊預設。

02 人群年齡與星座分佈

從年齡直方圖看，基本滿足正態分佈，在24歲和32歲左右存在兩個較大的波峰。18~23歲正處於大學教育階段，校園戀情比較多，因此該年齡階段在網站註冊人數較少；26歲處於兩個波峰之間，是剩下比較少的年紀，說明這個年齡階段的比較搶手。

從星座分佈來看，風相星座中的雙子座（11.47%）和天秤座（10.58%）的優異成績勇奪前兩名，有意思的是，同屬風相星座的水瓶座以5.51%墊底。按照一般的理解，風相星座想象力豐富，擅長社交，語言表達能力強，但性格變化多端，有喜新厭舊和情緒化的毛病，這也許是呈現兩極分化的原因吧。而自帶招黑體質的處女座（8.78%）表現相對中庸。

03 外貌協會特點

從身高分佈直方圖上看，身高的眾數為165CM，主要分佈區間為160~170。

從體重分佈直方圖上看，體重集中於48~53kg之間，基本滿足正態分佈規律。

從外貌自我描述的關鍵詞上看，“迷人”、“秀氣”、“可愛”高居三甲，同時“長髮”看起來是一個很重要的特徵，有意思的是還有人將“愛笑”、“健康”作為自我外貌的描述關鍵詞。

04 個性和愛好

從個性描述上看，“溫柔”、“開朗”、“活潑”的女生佔據了單身女性的大多數，估計和人群分佈規律類似。比較吸引眼球的關鍵詞“簡單”。我覺得此處的簡單，可能就是所謂的“喂馬劈柴周遊世界”“從明天起關心糧食和蔬菜”吧。

從愛好上看，“旅遊”、“逛街”、“聚會交友”愛好榜前三名。這也很好理解，主要的愛好其實是買買買，可以逛街買，也可以旅遊買，買了之後可以聚會交友，而後帶上朋友一起買……

05 受教育情況

受教育程度上看，本科佔據了絕大多數，這和人群的分佈規律基本一致。

06 工作和收入

職業分佈情況見下圖：

令人比較吃驚的是各位單身的收入，不想評論了，都這麼高……

07 全國分佈情況

可以看出，經濟發達的上海、北京等大城市的數量比較多，與黑河騰衝線人口分佈規律一致。

08 資料相關性

選取年齡、身高、星座、省份、學歷、收入、職業等7個維度的刻畫資料，分別計算Pearson、Spearman和Kendall相關係數。

結論基本一致：收入和職業的相關性較強（Pearson相關係數=0.46），其次是收入和年齡、學歷的相關性。一個有趣的發現是身高和學歷竟然存在微弱的相關性，Pearson相關係數為0.26；而星座與其他各項的相關性最弱，所以經常說的XX星座擅長考試的說法應該是沒有依據的吧。

09 小結

單身女生分析報告基本完成。從統計結論上看，與人群分佈規律基本一致，也與外界的認知基本統一。不過也有幾點有意思的發現：比如年齡分佈的雙峰特點、風相星座的兩極分化、“旅遊逛街交友”的三大愛好以及身高和學歷間的微弱相關性。

資料裡蘊含著豐富的寶藏，只要挖掘，總會有所發現。