缘起

不知道从什么时候开始，广大程序猿们（不包括程序媛们）总是被调侃，一直都是那个靠实力单身的群体。而根据网上不知道是否准确的数字，中国的单身人口高达2亿，我的天，不能这两亿都是程序猿吧

今天不是来探究这个单身数字的，而是选择了一个切入点，来探究下，码农单身到底是哪里的锅。

切入点

而我选择的切入点就是人口结构数据，通过观察人口结构，男女比例，来看看单不单身，是不是由你说了算。

首先感谢下“快易理财网”的数据

www.kuaiyilicai.com/

我这里使用的数据，都是来自于该网站，网站上还有各类财经数据，有兴趣的小伙伴儿们可以去看看。

获取我国女性占比

首先我们先来抓取下我国女性的逐年占比数据，看看找对象在什么时代能容易些

抓取该网站还是很容易的，直接解析 HTML 文件即可

import requests
from bs4 import BeautifulSoup

url = 'https://www.kuaiyilicai.com/stats/global/yearly_per_country/g_population_female_perc/chn.html'
res = requests.get(url).text
html = BeautifulSoup(res, 'html.parser')
html.find('tbody').find_all('td')

这样，就获取到了所有的表格数据

[<td>2018年</td>,
 <td>48.68%</td>,
 <td>2017年</td>,
 <td>48.67%</td>,
 <td>2016年</td>,
 <td>48.65%</td>,
 <td>2015年</td>,
 <td>48.64%</td>,
 <td>2014年</td>,
 <td>48.63%</td>,
...

不过这个表格数据里会有谷歌广告的代码，需要去掉下

chinese_data = html.find('tbody').find_all('td')
i = 0
for d in chinese_data:
    if r"adsbygoogle" in d.text:
        chinese_data.pop(i)
    i += 1

接下来就可以获取年份和对应的数据了

year = []
data = []
i = 1
for d in chinese_data:
    if i == 1 or i%2  != 0:
        year.append(d.text)
    else:
        temp = d.text.split('%')
        data.append(temp[0])
    i += 1

拿到 year 和 data 两个列表后，我们就可以开始作图了。

当然我还获取了世界上其他国家的女性比例，出生比例等数据，抓取方式都类似，就不再一一重复了。

作图分析

历年女性占比分析

可以看到，我国的女性占比常年是低于50%，大胆推测，这绝对和我们上下五千年的历史文化遗留有关啊，嗯，就说到这，不能再多说了。

然后还能看出，在新中国建国初期，女性的比例是最低的，之后才逐年增加。按道理来讲，在经历了军阀混战，抗日战争等数十年战乱后，数以百万的热血男儿血洒中华大地的背景下，男女比例应该有所平衡啊，没想到竟然还是男女比例失衡的这么严重。

不过情形在慢慢变好，在上世纪80年代左右，我国的女性占比很好的稳定在了48.69%-48.68%这里，而48.69%竟然已经是女性占比的最高比例了。

接着又不太清楚是什么情况，在新千年的前十年里，女性比例又大幅下降，随后才又逐年增长，不知道正在上小学或者初中的小男孩们，有没有感觉到身边的异性有点少啊。

我这里还做了柱状图，同样可以看到在60年到70年这十年里，女性比例的增长还是非常明显的

接下来我们着重看看2018年的数据吧，这一年女性占比为48.68%，而根据人口普查，2018年我国总人口为13.93亿 (1,392,730,000)，那么男性比女性就多出了36,768,072，整整3千6百多万人啊，所以说如果你在去年还是单身的，那么不要悲伤，因为最少还有3千多万人陪着你，当然如果你现在成功脱单了，祝贺你，你是那个踏过独木桥的人，堪称中了超级福利彩票，请一定要珍惜