数据分析实战之豆瓣小说知多少？

    最近学习了python爬虫，于是，小试身手。

    得到豆瓣上图书标签为“小说”（https://book.douban.com/tag/小说 ）的图书信息，简单整理后，得到998条记录，包含书名、作者、作者国籍、译者、出版社、出版时间、价格、评分、评价人数9个字段。下面就让我们来看看小说的世界。

小说越火，水准越高？

    评价人数不等于实际阅读人数，但也可以从其中看出一本书的火爆程度。若以评价人数超过10万、评分超过8.4的书定义为高质量的热门小说，那998本小说中有14本这样的小说。

    其中，《追风筝的人》的评价人数遥遥领先（34万），无疑是最火的小说，其评分8.9。《解忧杂货铺》紧随其后（31万），评分8.6。两者的评价人数狂甩第三名《白夜行》8万，但评分略微落后于《白夜行》的9.1。

    从前三名来看，追求大多数人在看的小说不会错。但也要小心，《挪威的森林》评价人数20万，评分8；《梦里花落知多少》评价人数15万，评分7.1。

 

图1：书的评分和评价人数（评分的平均值和中位数均为8.4）

越来越贵的小说

    小说是越来越贵了。尽管同年出版的小说的价格波动幅度较大，但总体而言，小说价格逐步上升。1998年之前，每年出版的小说数量较少，大部分小说的价格10元之下，1991年出版的《jin瓶梅》以268元一枝独秀。在1998年之后，每年出版的小说均价从18.9元上升至71.5元。

    另外，小说的价格率创新高。2008年的《大秦帝国》高达369元，2013年《太平广记（全十册）》创新高（398元），仅在3年后，这一价格再次被刷新，《契诃夫小说全集》达到了630元。

 

图2：书在不同出版年份的平均价格

忙碌的小说生产者

生产者之一：作者

    998条记录中共有640个作者，但从平均数来看，平均一个作者出版1.6本小说，但实际上，仅有167个作者的出书数量超过了2。并且，只有16个作者的出书数量超过了5。

 

图3：不同作者的出书数量

    在16个出书数量超过5的作者中，村上春树以14本小说位居榜首，然而令我吃惊的是，其评分在8.4以上的作品只有1本。要知道，仅以一本之差位居第二的加西亚·马尔克斯，有9本小说的评分在8.4以上。

    似乎日本作家都有这种产量颇高，但是质量有待提升的状况，且作品越多，高评分作品的占比越小。三岛由纪夫：8个作品中5个作品评分在8.4以上；东野圭吾：9个作品中3个作品评分在8.4以上；伊坂幸太郎：11个作品中3个作品评分在8.4以上。

    国内作家中，余华、张爱玲各有7个作品，且各有4本评分在8.4之上。但同有7个作品的亦舒，评分在8.4以上的仅有1本（早期作品《流金岁月》）。此外，金庸、鲁迅、刘慈欣各有6个作品，且评分均在8.4之上。

 

图4：前16个高产作者的出书数量、评分情况

生产者之二：出版社

    998条记录中共有160个出版社，但从平均数来看，平均一个出版社出版6.2本小说，但实际上，仅有27个出版社的出书数量超过了6。并且，只有10个出版社的出书数量超过了20。

 

图5：不同出版社的出书数量

    在出书数量超过了20的10个出版社中，人民文学出版社（118）、上海译文出版社（116）占据第一梯队，遥遥领先。译林出版社（73）、南海出版社（72）位于第二梯队，两个出版社不相上下。

    这10个出版社均会涉及不同国家作者的书，但不同出版社的主攻方向有略微差别。人民文学出版社、上海文艺出版社比较全能，涉猎的国家较多。上海译文出版社主攻外国文学，尤其是英国、日本和美国。译林出版社、重庆出版社集中于美国，南海出版公司集中于于日本，上海人民出版社则集中于英国。

 

图6：不同出版社的出书数量、涉及的国家