首页 > 编程语言> > 杭州车牌摇号73次不中的辛酸史，我用Python找到了原因，然后更无望了

杭州车牌摇号73次不中的辛酸史，我用Python找到了原因，然后更无望了

2022-01-26 18:05:10 作者：互联网

消失了一周的 Kevin 归来了！本期我们不讲敏感的东西。因为*饭已经吃得很饱了。

讲讲一个朋友摇号（车牌）的辛酸史。以及我如何用 python 的技术（爬虫，数据分析，可视化）帮他找到原因，并让他更伤心的故事。

文中的数据仅供交流学习，不能作为其他使用依据。文中统一使用了第一人称我，其中摇号的是我朋友。

辛酸史

在这里插入图片描述

摇号次数又默默地执行了一次+=1，

当初早知道摇六年都摇不到，还不如趁早又便宜买一块了。。

二月份个人中签率为0.54%！！

这是个什么概念？？

平均情况要摇近 200 次才有可能中 1 次！！200 次，要 16.6 年！！

我估计那个时候，人们都开飞机出行了吧。。

在这里插入图片描述
大学同宿舍的老王，

参加工作后，把自行车换成了电瓶车，

摇了三次号后把电瓶车换成了小汽车，

天天载着不同的妹子到处兜风！！！

这才是青春岁月应有的记忆！！！！

在这里插入图片描述
而我参加工作后，从自行车换成电瓶车，从电瓶车直接换成了地铁！！！

再看着 100 万人摇 5000 多块牌照，

感觉我自己就是 5,000/1,000,000 里的分母中凑数的。

在这里插入图片描述
不行！我要跟命运做一回抗争，

我要找一找摇车牌的规律！！

在这里插入图片描述
说干就干！

获取数据

数据的获取可以用爬虫，也可以自己手工复制。这里假设使用复制的方法。实际上我使用的是爬虫。相关代码获取方法我会在文末说明。

网站目标就是某市的小客车增量指标网站。你可以用同样的方法分析你自己城市的网站。

在这里插入图片描述
于是我熟练地在浏览器输入了那个让我欢喜让我忧的url，

在这里插入图片描述
一番行云流水操作下来后，

把每个中签者的姓氏，通过复制粘贴，复制粘贴，复制粘贴…

全部复制了下来。

在这里插入图片描述
接下来是数据分析阶段。

开始数据分析

请大家给我点时间~我要点一下，哪个姓氏老是中签…

经过三天三夜的努力，我终于点完了…

在这里插入图片描述
继续数据分析，亮出 python，做个词云图，可以看得更直观点：

在这里插入图片描述
分享代码：

import matplotlib.pyplot as plt
from wordcloud import WordCloud


# 1.读入txt文本数据
# 只要读入文本数据，词云这个库就会自动对每个出现的字符进行计数，并按数量多少生成相对尺寸的字符图。
text = open(r'yaohao_data_analysis.txt', "r",encoding='utf-8').read()

# 2.生成词云图，这里需要注意的是WordCloud默认不支持中文，所以这里需已下载好的中文字库
# 无自定义背景图：需要指定生成词云图的像素大小，默认背景颜色为黑色,统一文字颜色：mode='RGBA'和colormap='pink'
wc = WordCloud(
        # 设置字体，不指定就会出现乱码
        font_path=r'./font.otf',
        # 设置背景色
        background_color='white',
        # 设置背景宽
        width=800,
        # 设置背景高
        height=600,
        # 最大字体
        max_font_size=200,
        # 最小字体
        min_font_size=50,
        mode='RGBA'
        #colormap='pink'
        )
# 产生词云
wc.generate(text)
# 保存图片
wc.to_file(r"wordcloud.png") # 按照设置的像素宽高度保存绘制好的词云图，比下面程序显示更清晰
# 3.显示图片
# 指定所绘图名称
plt.figure("摇号分析图")
# 以图片的形式显示词云
plt.imshow(wc)
# 关闭图像坐标系
plt.axis("off")
plt.show()

再来个中签率最高前 20 个姓的条状图：

在这里插入图片描述
分享代码：

import re
from collections import Counter
import matplotlib.pyplot as plt

# 实例化一个counter对象
count = Counter()

# 将所有的姓氏正则匹配出来
with open('./yaohao_data_analysis.txt','r',encoding="utf-8")as f:
    text = f.read()
f_name_list = re.findall(r'[\u4E00-\u9FA5]',text)

for n in f_name_list:
 count[n] += 1

# 将count转成字典
d = dict(count)

# 将无序的字典进行排序
def dict_sort(dic):
    l=list(dic.items())
    l.sort(key=lambda x:x[1],reverse=True)
    return l

key=[]
value=[]
for k,v in dict_sort(d):
    key.append(k)
    value.append(v)

# 生成条形图
# 这两行代码解决 plt 中文显示的问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.bar(key[:20], value[:20])
plt.title('摇号分析条形图')
plt.show()

排名第一的真的是隔壁老王！！