對有些人來說，身高是尊嚴，對有些人來說，身高無非數字。

但場主發現，大家對於身高確實挺感興趣的。

本文通過統計在相親網上爬取的50萬用戶的信息，來看看關於身高，能挖出哪些好玩的信息~

技術實現

本文的數據分析和數據可視化全部由ElasticSearch完成。

數據說明

1、數據來源

本次的統計數據來自某相親網站，信息都是用戶自己填寫的。

正常情況下大家報身高都是往高虛報，極少人往矮報吧？所以，本次統計的身高結果應該會比真實情況更高一些，當然，這還只是個人揣測。

樣本用戶生活在北京、上海、廣州和重慶四個城市，選擇這四座城市的原因：

• 四座城市在祖國的不同方位，收集樣本範圍夠廣
• 四座城市都是大城市，外來人口較多，彙集了全國各地的人，能在一定程度上體現總體趨勢

2、年齡分佈

先對統計用戶的年齡進行了可視化，x軸是年齡，y軸是人數，波峰是27歲。

統計用戶的年齡分佈

除此之外，還分別統計了男性和女性的年齡分佈，女性年齡的波峰出現在27歲，男性年齡的波峰出現在29歲。

總體平均年齡：32.332歲

男性平均年齡：33.239歲

女性平均年齡：31.929歲

3、性別分佈

本次統計用戶的性別分佈情況

本次統計的用戶中女性佔了大多數。

其實是爬數據的時候先抓取了女性數據，在女性數據抓取完成後才抓取的男性數據，而當看數據庫樣本數據到50萬的時候就把爬蟲停了。

正態分佈

在看統計結果之前，我們先提一下“正態分佈”。

正態分佈（Normal distribution），也稱“常態分佈”，又名高斯分佈（Gaussian distribution）。

正態分佈是一種概率分佈。它是具有兩個參數μ和σ的連續型隨機變量的一種分佈。

這裡就不過多地介紹正態分佈啦，只需知道，身高在樣本數量足夠大的時候應該服從正態分佈（如果有不同的意見，歡迎指正）。

正態分佈的曲線圖應該如下圖所示（中間高，兩邊低，兩側大致對稱），在這種情況下，數據才具有一定的真實性，否則數據就有一定的作假嫌疑。

正態分佈示意圖

當然目測是不準確的，還需要通過方差、期望等來判斷。不過當人肉眼都能看出一條曲線不符合正態分佈時，那這個數據的真實性就真有待商榷了。

數據展示

好啦，講完正態分佈，我們來看看本次統計樣本的身高分佈圖。

1、男性

統計用戶中男性的身高分佈情況

可以看到男性身高的分佈情況不那麼符合正態分佈。

波峰出現在170cm，人數是24515人。

身高人數前五名是：

不知大家發現沒有，這些身高都是極其常見的身高。

揣測一下，在大多數自報身高的情況下——不足170cm同學的都報170cm，不足175cm的都報175cm。

其實大家辦理戶口錄入身高時就是這樣操作的，常見身高就是這幾個數字。所以才在開頭說，大家的真實身高應該會比統計值稍微低一些。

我們來算一下平均值，再把髒數據去除之後，算出來的所有男性的身高平均值是（單位cm）：

2、女性

女性的身高統計方式和男性一樣，就不過多解釋了，這裡直接展示統計結果：

統計用戶中女性的身高分佈情況

女性身高分佈圖有點狠啊，160cm遠遠超過了其他身高值。

身高人數前五名是：

女性平均身高（單位cm）：

結論

看完這個統計結果，對比了一下國家公佈的數字，下圖是百度百科公佈的2015年國家統計的身高數據：

相親網站上的身高數據比國家的統計高出了約6釐米。

到底是因為相親網上的用戶中年輕人較多而年輕人又長得高，還是大家填寫的身高數據水分比較大呢？

還有一種可能就是此次統計的用戶是城市居民，而城市居民的平均身高會相對高一些？

你說呢？歡迎分享你的身高故事

“養碼場”

現有技術人80000+

覆蓋JAVA/PHP/IOS/測試等領域

80%級別在P6及以上，含P9技術大咖30人

技術總監和CTO 500餘人

閱讀更多 養碼場 的文章

關鍵字: 年齡 ElasticSearch 場主