分析了中国高校2万名教授的名字，来看看哪个姓的人最聪明
写在前面
这批数据是二胖最开始学习爬虫的时候抓取的，那时候为了练习爬虫和分析不同网站的特点，二胖把国内几乎所有的985、211高校和部分一本学校的官网给抓了一遍。用一个月的时间大约抓了100多个学校的网站，最后筛选出来2万名教授和副教授的信息。二胖最近在电脑中发现了这批数据，索性就来分析分析吧。
Do not let your data sleep in the database！
预警！本文涉及到各个姓的聪明度，纯属娱乐，请勿当真！
首先解释下，教授的名字怎么就和“聪明度”扯上了关系？
其实这是一种强加的关系，二胖认为，其实一个人聪明与否和姓什么没啥联系。这里强加相关性，主要是因为在知识文化水平维度，教授是处于塔尖的那群人，所以就把他们作为聪明的人的代表吧。
1.控制变量
如果直接用各个教授名字中姓氏出现的比例来做变量，那就太不科学了！
因为本来每个姓的人数就不一致。
怎么做才能做到相对公平呢？
我们首先统计一下中国各个姓氏的比例并记作M(x)；
然后再统计教授们名字中各个姓氏出现的比例记作Y(x)；
最后用Y(x)除以M(x)就是各个姓的聪明指数啦！
用公式表示就是：
F(x) = Y(x)/M(x) 【其中x为姓】
来看看我国第六次人口普查中各个姓氏在中国人中所占的比例：
由图可知，第六次人口普查的时候中国人中姓王的最多，李、张次之。
厉害啊，王姓人口都快接近一亿了，你能回忆起你上学的时候班上有几个姓王的同学吗？
反正二胖大学的四个室友中就有两个姓王。
那么问题来了，上表中有你的姓吗？
有的话，留言区戳一下咯，让我们看看大家的姓是不是符合统计规律。
2.收集的高校教授信息来源
来看看这2万名教授都来自哪些学校。
由于二胖抓取了100多个高校的网站，无法将数据信息展示全面，这里就只展示人数最多的前20个学校吧。
由上图可知，教授人数Top20的高校主要是985、211大学。
3.重复次数最多的名字
下面是这2万名教授中重复次数最多的名字。
由下图所示，图表中一共有两列：左边是姓名、右边是人数。
可以看到，这20个最常见的名字都是由两个字构成的。
这是因为两个字的名字更容易重复。
从上图中还可以看出，姓王的名字占了9个。
排前三的名字中都出现了“勇”，这到底是偶然还是说叫“勇”的人都很聪明？
上表中有你的导师吗？
4.教授们都姓啥？
下图统计了教授人数最多的20个姓，“王”姓还是占了榜首，毕竟基数大。
不过如前文所说，绝对数量并不具有参考意义，我们要看的是比例，那么到底哪个姓最“聪明”呢？
请继续往下看。
5.教授名中出现次数最多的字
看了下图，二胖觉得先从上面随便找个姓，再从下图中随便找一到两个字都能凑出个生活常见的名字。
不信？
那我们试试吧：
前三个字：王晓明、王晓华、张华、张明、张华明。
当然，其他字也是可以随便组合的，比如李建军、李建国、高志平等等，输入法都能自动弹出这些名字，可想而知，这些名字是有多常见！
这里有你的名字吗？
上面统计了教授名字中最常用的20个字，下面分姓讨论一下各个姓的教授最常使用的名字。还是和前面一样，这里只列举了最常出现的20个姓，以及和每个姓最常伴随出现的五个名。
看看你导师或室友的名字在不在上面？
6.“聪明度”
最刺激的来了------聪明度。
这里只统计了最常见的20个姓，按照文章开头的公式：
F(x) = Y(x)/M(x) 【其中x为姓】
计算出了各个姓的“聪明度”，也就是下图中最右一列的指数。
由上图可以看到，在最常见的20个姓中，姓郭的同学是最聪明的耶！
姓郭的同学你们在哪里？
细心的同学应该也发现了，“郑”这个姓没有数据，为什么呢？
因为在人口普查的数据中，“郑”姓并不是最常见的20个姓之一，所以这里就没有统计，也许姓“郑”的同学才是最聪明的，这里就留个悬念吧！
写在最后
正如二胖在前文提到的，为了收集这些数据，二胖爬了100多个网站，大约花了快一个月时间，在这期间也遇到了各种问题，都是慢慢去攻克的。
为什么说这个呢？二胖只是想告诉初学的同学，学习的过程一定不能急，一定要多加练习，只看书不写代码是学不会编程的。
理论->实践->再理论->再实践-----
福利：我把本文相关代码和数据已经发布在这篇文章中了，感兴趣的同学可以点开看一下：
分享一份数据和一段代码|一万名教授的名字以及相关分析代码
请随手点个赞，谢谢~
另外推荐阅读一下我的其他高赞文章（第一篇已经过万赞了，值得收藏）：
文章被以下专栏收录
