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