Определение наиболее распространенного имени на основе данных о имени в Интернете. - PullRequest
Новая
       23

Определение наиболее распространенного имени на основе данных о имени в Интернете.

1 голос
/ 22 октября 2019

У меня есть задача сделать поиск в Интернете с этой страницы https://www.ssa.gov/cgi-bin/popularnames.cgi. Там вы можете найти список наиболее распространенных имен при рождении. Теперь мне нужно найти наиболее распространенное имя, которое есть у девочек и мальчиков на данный год (другими словами, одно и то же имя используется для обоих полов), но я не знаю, как я могу это сделать. С помощью приведенного ниже кода я решил предыдущую задачу, чтобы вывести список за определенный год, но я понятия не имею, как я могу изменить свой код, чтобы я получил самое распространенное имя, которое есть у девочек и мальчиков. 

import requests
import lxml.html as lh


url = 'https://www.ssa.gov/cgi-bin/popularnames.cgi'
string = input("Year: ")
r = requests.post(url, data=dict(year=string, top="1000", number="n" ))



doc = lh.fromstring(r.content)
tr_elements = doc.xpath('//table[2]//td[2]//tr')
cols = []


for col in tr_elements[0]:
    name = col.text_content()
    number = col.text_content()
    cols.append((number, []))


count=0
for row in tr_elements[1:]:
    i = 0
    for col in row:
        val = col.text_content()
        cols[i][1].append(val)
        i += 1
        if(count<4):
            print(val, end = '  ')
            count += 1
        else:
            count=0
            print(val)

1 Ответ

1 голос
/ 22 октября 2019

Вот один из подходов. Первый шаг - сгруппировать данные по имени и записать, сколько полов использовали имя и их общую сумму. После этого мы можем отфильтровать структуру по именам, используя более одного пола. Наконец, мы сортируем этот многогранный список по количеству и берем 0-й элемент. Это наше самое популярное мульти-родовое название года. 

import requests
import lxml.html as lh

url = "https://www.ssa.gov/cgi-bin/popularnames.cgi"
year = input("Year: ")
response = requests.post(url, data=dict(year=year, top="1000", number="n"))
doc = lh.fromstring(response.content)
tr_elements = doc.xpath("//table[2]//td[2]//tr")
column_names = [col.text_content() for col in tr_elements[0]]
names = {}
most_common_shared_names_by_year = {}

for row in tr_elements[1:-1]:
    row = [cell.text_content() for cell in row]

    for i, gender in ((1, "male"), (3, "female")):
        if row[i] not in names:
            names[row[i]] = {"count": 0, "genders": set()}

        names[row[i]]["count"] += int(row[i+1].replace(",", "")) 
        names[row[i]]["genders"].add(gender)

shared_names = [
    (name, data) for name, data in names.items() if len(data["genders"]) > 1
]
most_common_shared_names = sorted(shared_names, key=lambda x: -x[1]["count"])
print("%s => %s" % most_common_shared_names[0])

Если вам интересно, вот результаты с 2000 года: 

2000 => Tyler, 22187
2001 => Tyler, 19842
2002 => Tyler, 18788
2003 => Ryan, 20171
2004 => Madison, 20829
2005 => Ryan, 18661
2006 => Ryan, 17116
2007 => Jayden, 17287
2008 => Jayden, 19040
2009 => Jayden, 19053
2010 => Jayden, 18641
2011 => Jayden, 18064
2012 => Jayden, 16952
2013 => Jayden, 15462
2014 => Logan, 14478
2015 => Logan, 13753
2016 => Logan, 12099
2017 => Logan, 15117
...