拿諾貝爾獎可以長壽？——從爬蟲到簡單數據分析
最近在看《魔鬼經濟學》，作者通過數據分析來揭示問題的真相，十分有趣。
剛好看見一篇講諾貝爾與長壽關係的
一 項 歷 時 50 年 的 調 查 研 究 發 現， 諾 貝 爾 化 學 獎 和 物 理 學 獎 獲 得 者 比 那 些 與 獎 項 失 之 交 臂 的 提 名 者 活 得 更 長。
不過只說了化學獎與物理學獎的，那其他獎項呢，是不是也是可以讓人長壽？
帶著好奇心，開始了我的數據分析之路。
獲取數據
Kaggle上就有現成的歷屆獲獎者數據集，時間從1901年到2016年
Nobel Laureates, 1901-Present | Kaggle
還差一個提名者的數據集，找遍全網發現只有諾貝爾獎的官網有提供資料庫搜索服務，看來只能自己寫爬蟲爬取數據了。
編寫爬蟲
資料庫地址 The Nomination Database
熟練地按下F12召喚開發者工具，然後開始搜索，再點開開發者工具的Network標籤，第一個結果就是我們要的
而紅圈標註的就是搜索引擎需要的參數。
搜索結果如下
經過一系列酷炫的正則操作，把Nominee提取出來，注意不是Nominator，Nominee是被提名者，而Nominator是提名者的意思。
爬蟲的具體流程這裡就不贅述了，知乎上有許多很好的爬蟲教程，我這裡只用了requests庫獲取網頁源代碼，然後用re正則表達式提取需要的信息。
清洗數據
- 處理缺失值，不少人沒有Birth Date和Death Date，將這些記錄直接清除
- 選擇時間，獲獎者是1901年-2016年的，而提名者是1901年-1967年的數據，其中醫學類的只有到1953年的，所以選擇統計的年份為1901年-1950年。
- 將不需要的特徵去除
- 處理異常值
數據清洗完就能進行分析了。
數據分析
計算了一下不同獎項50年內的獲獎者以及提名者的平均壽命，並繪製了圖表，結果驚人。
首先是，針對書上的結論，諾貝爾化學獎、物理學獎的獲得者比提名者活得更久，這與我實際的數據分析結果不一致，獲獎者的平均壽命比提名者要短暫，而且化學獎的獲得者平均壽命遠低於提名者的。撇開化學獎不說，除了文學獎，有點小差距，平均壽命基本上差不多。
然後把獲獎者和提名的混在一起，看壽命平均值，學醫的活得最久，研究化學的平均壽命是最短的，搞科研是及其辛苦和危險的，這裡向他們的科研精神致敬。
順帶說一下，1969年才開始有的諾貝爾經濟學獎。
總結與反思
這次通過自己的親手實踐，推翻了書上的結論，可見也不能盡信書。不過我還是推薦大家去看《魔鬼經濟學》這本書，它能給你一個全新的思考角度去看待生活中的問題。
如果你也對其中的一些數據感興趣，也可以像我一樣自己動手做做數據分析，沒準也會有些出乎意料的結果。
推薦閱讀：