查看原文
其他

徐州!徐州!

爬虫俱乐部 Stata and Python数据分析 2022-03-15

本文作者:冀思慧,中南财经政法大学金融学院

本文编辑:喻淑敏

技术总编:戴   雯

Stata&Python云端课程来啦!

      为了感谢大家长久以来的支持和信任,爬虫俱乐部为大家送福利啦!!!Stata&Python特惠课程双双上线腾讯课堂~爬虫俱乐部推出了Python编程培训课程Stata基础课程Stata进阶课程Stata文本分析正则表达式网络爬虫基本字符串课程。报名课程即可加入答疑群,对报名有任何疑问欢迎在公众号后台和腾讯课堂留言哦。我们在这篇推文的最后提供了每门课程的课程二维码,大家有需要的话可以直接扫描二维码查看课程详情并进行购买哦~


导读

1月28日以来,江苏徐州丰县"精神失常女子生育8子"的事情引发社会的广泛关注,徐州市委政府及丰县县委政府分别成立联合调查组进行走访,寻找事情真相并公布部分细节,结合网络上所公布的信息,网友们对这件事情也发出了不同的声音,有一部分网友认定这其中存在拐卖行为,当然了,事情真相一定会水落石出,相信徐州政府也会给大家一个交代!但这件事情在网络上的发酵及前段时间被拐儿童孙卓的找回,不禁让我们关注到被拐儿童这个群体。在中国,每年都有数以万计的儿童拐卖犯罪,被拐儿童的待遇千差万别,但他们的丢失共同的造成了成千数万家庭的支离破碎,这其中,被拐儿童大都去往了哪些省市?打击此类犯罪,应该重点关注哪些地区呢? 


数据采集


     

我们在”宝贝回家“寻亲网站的”宝贝寻家“版块,通过网络数据采集技术获取相关信息,整理这些寻亲人的目前居住地,排除不符合条件的数据,共得到了48583条数据,我们以获取单个页面其中一人的信息为例,操作如下:

clearcap mkdir "G:/宝贝寻家/一次采集"cd "G:/宝贝寻家/一次采集"copy "https://www.baobeihuijia.com/list.aspx?tid=2&sex=-1&photo=-1&page=1" temp.txt,replaceinfix strL v 1-100000 using temp.txtkeep if index(v, "/></a></dt>") //index和strpos能实现相同的功能split v,p(`"><a href=""' `""><img class="' "amp;") split v2,p("><img class=")keep v2 v3gen v=v2+v3keep vreplace v="https://www.baobeihuijia.com"+vsave "bfh_1.dta",replace
      通过上述操作,我们可以得到”宝贝寻亲“界面第一页的每个人详细信息界面的链接,我们在通过下列代码获取编号为594635的详细信息。通过循环可以获取我们所需的所有信息,可通过学习文章开头所介绍的网课及本公众号所发布的相关推文进行掌握。
clearcap mkdir "G:/宝贝寻家/二次采集"cd "G:/宝贝寻家/二次采集"copy "https://www.baobeihuijia.com/view.aspx?type=2&id=594635" temp.txt,replaceinfix strL v 1-100000 using temp.txt,clearkeep if index(v, "<li><span>") split v,p("</span>") keep v2replace v2 = ustrregexra(v,"<.*?>", "")sxpose, clearkeep _var2 _var4 _var5 _var7 _var8 _var9 _var10rename _all (寻亲编号 性别 出生日期 失踪时间 失踪人所在地 失踪地点 寻亲者特征描述 )save "mess_1.dta",replace

值得注意的是,我们不能说这些寻亲人都是被拐儿童,这些寻亲人通过该网站去找寻自己的家人,并不意味着所有的这些寻亲人都是幼年遭到拐卖因而与家里人失去了联系,我们只能说这其中存在拐卖的可能;我们也不能用这个数字来代表所有被拐卖的儿童,可能有一部分被拐儿童被拐进了深山里,失去了与外界的联系,因而也就失去了向外界寻求帮助的机会,这些找寻家人的可能只是冰山一角。这个数据不能完全代表被拐儿童的现状,但我们对这些数据的分析,使得我们更加接近真相!


可视化分析





 我们对寻亲人的目前所居地的省、市分别进行分析,得到排名前十的省市,绘图如下:

寻亲者所在省份     


寻亲者所在城市     

由以上所展示的图片,我们可以得知被拐儿童当前所在地主要为河南省、湖北省、山东省、江苏省,其余还有福建省、广东省、安徽省、四川省、浙江省、湖南省,所居住的城市主要分布在福建的莆田市、河北的邯郸市、江苏徐州市、河南的郑州市以及福建的泉州市,这些地方,有的是接受儿童的买方所在地,更多的可能是这些孩子们成年后工作所在地,但是宝贝寻亲的所在地徐州相比北京、上海、广州,更可能不是目前寻亲者的打工所在地,而是接收儿童的目的地。在打击拐卖儿童犯罪的过程中,这些地方应当作为政策干预的主要地区,受到额外的关注。

绘制江苏各市寻亲图   

看到寻亲人数量较高的江苏省,不由得让我们回想到文章开头的"精神失常女子生育8子"的事件正是发生在江苏省,值得一提的是,在调查这件事情的过程中,相关部门共发布了三次通告,其中第一次通告表示不存在拐卖行为,杨某侠(八个孩子的妈妈)患有精神疾病;第二次通告仍否认存在拐卖行为,并称杨某侠与董某民于98年登记结婚;第三次通告称查阅资料,杨某侠为云南人,94年在云南结婚而后离婚;这三次通告似乎在反复强调,杨某侠与董某民是登记结婚,这其中不存在拐卖行为,并且三篇通告闭口不提杨某侠的年龄,即使经过这么多年的虐待,通过视频看杨某侠也就四十左右,00年出生的大儿子22岁,98年登记结婚的杨某侠到了十八岁么?户籍地都已经查到了,其出生时间这么难以确定?这不由得让我们质疑正常登记结婚的真实性!!

我们通过对江苏省数据的分析,得到下图,正如我们前文所说,这些数据不能代表所有,这些寻亲人目前所居地有可能是他们被拐卖的地方,也可能是他们后来工作所居住的地方,但徐州显然并非是存在大量就业机会、吸引务工人员的城市,通过对比下图的数据,可见徐州市更有可能是拐卖儿童事件的重灾区,由此可见,网友提出杨某侠遭受拐卖的质疑也存在一定的理论依据。

       孩子是一个家庭的希望,儿童被拐卖,可能这辈子都很难见到自己的亲生父母,由衷的希望被拐卖的儿童能够在茫茫人海中早日找到自己的亲人,尽管希望渺茫,但一点点光亮足以支撑那苦苦等待的日日夜夜。

END

最后,我们为大家揭秘雪球网(https://xueqiu.com/)最新所展示的沪深证券和港股关注人数增长Top10。





腾讯课堂课程二维码








            


 对我们的推文累计打赏超过1000元,我们即可给您开具发票,发票类别为“咨询费”。用心做事,不负您的支持!












往期推文推荐 

        B站弹幕爬虫——冬奥顶流冰墩墩&雪容融

        不会用Stata做描述性统计表?so easy!

        丰沛之地:备足姨妈巾

 过年啦,用Python绘制一幅属于你的春联吧!

       登上爬虫俱乐部“时光机” |上“机”出发 开启一段奇妙之旅

       【基础篇】查找并输出子字符串的定位

        Stata中的小清新命令——添加观测值

        PCA(主成分分析法)降维——Python实现

       超好用的事件研究法

        如何绘制任泽平《鼓励生育基金》的几幅图

        Python 第六天——字符串

        findname——想要什么找什么

        Python字符串之“分分合合”

        PDF转docx可批量操作?——wordconvert的小技巧

        考研之后,文科生需以“do”躬“do”!

       手绘五星兴家国——用Stata绘制五星红旗

        Seminar丨董事会的性别多样化和企业创新:来自国际的证据

       Python与数据库交互——窗口函数

        Stata之post命令——数据邮递 

        爬虫俱乐部成员的Stata学习经验分享来啦!

       Seminar丨2002年萨班斯·奥克斯利法案的经济后果

        我几乎画出了“隔壁三哥”家的国旗

        Python基础——三大数字类型,你都了解吗?
        如何用Stata绘制带指向性箭头标注的图像       
       Seminar丨荐仆贷款——19世纪中国的信任辅助贷款       【技能篇】多进程队列间通信

Seminar丨公司董事会的人才增长:来自中国的证据

正则表达式--懒惰模式

爬完独立董事的年薪,我的眼镜跌破了!识别旅游“照骗”——看风景名胜是否名副其实主成分分析的Python实现

正则表达式--贪婪模式

Seminar丨谁更重要:高管股权薪酬与财务报告欺诈DOS能量,超乎你想象!

爬虫实战丨走进哈利波特的魔法世界

关于我们 


   微信公众号“Stata and Python数据分析”分享实用的Stata、Python等软件的数据处理知识,欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。

   武汉字符串数据科技有限公司一直为广大用户提供数据采集和分析的服务工作,如果您有这方面的需求,请发邮件到statatraining@163.com,或者直接联系我们的数据中台总工程司海涛先生,电话:18203668525,wechat: super4ht。海涛先生曾长期在香港大学从事研究工作,现为知名985大学的博士生,爬虫俱乐部网络爬虫技术和正则表达式的课程负责人。



此外,欢迎大家踊跃投稿,介绍一些关于Stata和Python的数据处理和分析技巧。

投稿邮箱:statatraining@163.com投稿要求:
1)必须原创,禁止抄袭;
2)必须准确,详细,有例子,有截图;
注意事项:
1)所有投稿都会经过本公众号运营团队成员的审核,审核通过才可录用,一经录用,会在该推文里
为作者署名,并有赏金分成。

2)邮件请注明投稿,邮件名称为“投稿+推文名称”。
3)应广大读者要求,现开通有偿问答服务,如果大家遇到有关数据处理、分析等问题,可以在公众
号中提出,只需支付少量赏金,我们会在后期的推文里给予解答。


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存