作者

二胖并不胖

來源

大數(shù)據(jù)前言

已獲原作者授權(quán)，如需轉(zhuǎn)載，請聯(lián)系原作者。

前些天在知乎上看到一個關(guān)于身高的問題。我想既然大家都對身高這么感興趣，正好之前我在相親網(wǎng)上爬了50萬用戶的信息，那不妨來做個統(tǒng)計。關(guān)于身高，看看我們能挖出哪些好玩的信息吧。

數(shù)據(jù)說明

1

數(shù)據(jù)來源

本次的統(tǒng)計數(shù)據(jù)來自某相親網(wǎng)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(tǒng)計的身高結(jié)果應(yīng)該會比真實情況更高一些，當(dāng)然，這只是我二胖的個人揣測啦。

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：

一是因為四座城市在祖國的不同方位，收集樣本范圍夠廣；

二是因為這四座城市都是大城市，外來人口較多，匯集了全國各地的人，能在一定程度上體現(xiàn)總體趨勢。

2

年齡分布

這里我先對統(tǒng)計用戶的年齡進行了可視化，x軸是年齡，y軸是人數(shù)，波峰是27歲。

統(tǒng)計用戶的年齡分布

除此之外我還分別統(tǒng)計了男性和女性的年齡分布，女性年齡的波峰出現(xiàn)在27歲，男性年齡的波峰出現(xiàn)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

性別分布

本次統(tǒng)計用戶的性別分布情況

本次統(tǒng)計的用戶中女性占了大多數(shù)。

其實是我爬數(shù)據(jù)的時候先抓取了女性數(shù)據(jù)，在女性數(shù)據(jù)抓取完成后才抓取的男性數(shù)據(jù)，而當(dāng)我看數(shù)據(jù)庫樣本數(shù)據(jù)到50萬的時候就把爬蟲停了。

正態(tài)分布

在看統(tǒng)計結(jié)果之前，我們先提一下“正態(tài)分布”。

正態(tài)分布（Normal distribution），也稱“常態(tài)分布”，又名高斯分布（Gaussian distribution）。正態(tài)分布是一種概率分布。它是具有兩個參數(shù)μ和σ的連續(xù)型隨機變量的一種分布。

這里我們就不過多地介紹正態(tài)分布啦，我們只需知道，身高在樣本數(shù)量足夠大的時候應(yīng)該服從正態(tài)分布（當(dāng)然這是我的一己之見，如果有不同的意見，歡迎指正）。

正態(tài)分布的曲線圖應(yīng)該如下圖所示（中間高，兩邊低，兩側(cè)大致對稱），在這種情況下，數(shù)據(jù)才具有一定的真實性，否則數(shù)據(jù)就有一定的作假嫌疑。

正態(tài)分布示意圖

當(dāng)然目測是不準(zhǔn)確的，還需要通過方差、期望等來判斷。不過當(dāng)人肉眼都能看出一條曲線不符合正態(tài)分布時，那這個數(shù)據(jù)的真實性就真有待商榷了。

數(shù)據(jù)展示

好啦，講完正態(tài)分布，我們來看看本次統(tǒng)計樣本的身高分布圖。

1

男性

統(tǒng)計用戶中男性的身高分布情況

可以看到男性身高的分布情況不那么符合正態(tài)分布。

波峰出現(xiàn)在170cm，人數(shù)是24515人。

身高人數(shù)前五名是：

不知大家發(fā)現(xiàn)沒有，這些身高都是極其常見的身高。

讓二胖來揣測一下，在大多數(shù)自報身高的情況下——不足170cm同學(xué)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(shù)字。所以二胖才在開頭說，大家的真實身高應(yīng)該會比統(tǒng)計值稍微低一些。

我們來算一下平均值，再把臟數(shù)據(jù)去除之后，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(tǒng)計方式和男性一樣，二胖就不過多解釋了，這里直接展示統(tǒng)計結(jié)果：

統(tǒng)計用戶中女性的身高分布情況

女性身高分布圖有點狠啊，160cm遠遠超過了其他身高值。

身高人數(shù)前五名是：

女性平均身高（單位cm）：

結(jié)論

看完這個統(tǒng)計結(jié)果，二胖對比了一下國家公布的數(shù)字，下圖是百度百科公布的2015年國家統(tǒng)計的身高數(shù)據(jù)：

看樣子相親網(wǎng)站上的身高數(shù)據(jù)比國家的統(tǒng)計高出了約6厘米。

到底是因為相親網(wǎng)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(shù)據(jù)水分比較大呢？

還有一種可能就是二胖此次統(tǒng)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。

對此，你怎么看呢？

（——本文的數(shù)據(jù)分析和數(shù)據(jù)可視化全部由ElasticSearch完成。）

完

01

?微 信 群??

添加小編微信：tangguoyemeng，備注“進群”即可，加入【云計算學(xué)習(xí)交流群】，和志同道合的朋友們共同打卡學(xué)習(xí)！

成為群成員，或拉人進群，

還有機會參與紅包抽獎，獲得免費贈書哦~~

02

?征 稿?

CSDN作為國內(nèi)專業(yè)的云計算服務(wù)平臺，目前提供云計算、大數(shù)據(jù)、虛擬化、數(shù)據(jù)中心、OpenStack、CloudStack、機器學(xué)習(xí)、智能算法等相關(guān)云計算觀點、技術(shù)、平臺、實踐、云產(chǎn)業(yè)咨詢等服務(wù)。CSDN?公眾號也一直堅持「與千萬技術(shù)人共成長」的理念，深度解讀行業(yè)內(nèi)熱門技術(shù)與場景應(yīng)用，致力于讓所有開發(fā)者保持敏銳的技術(shù)嗅覺、對行業(yè)趨勢與技術(shù)獲得更廣闊的認知。

文章題材

• 首先你需要關(guān)注我們的公眾號“CSDN云計算”，這樣你會更準(zhǔn)確了解我們需要的文章風(fēng)格；

• 側(cè)重于云計算領(lǐng)域相關(guān)的文章，可以是技術(shù)、運維、趨勢等方面的務(wù)實內(nèi)容；

• 原創(chuàng)，要求文章有鮮明觀點和看法。

投稿須知

• ?稿費：根據(jù)原創(chuàng)性、實用性和時效性等方面進行審核，通過的文章會發(fā)布在本微信平臺。一經(jīng)采用，我們將支付作者酬勞。酬勞可能不多，這代表的是一個心意，更多是因為愛好，是有識之士抒發(fā)胸懷的一種方式；

• 字?jǐn)?shù)要求：稿件字?jǐn)?shù)以2K-8K為宜，少于2K或多于8K都會一定程度降低閱讀愉悅感；

• 投稿郵箱：lijy@csdn.net。或者添加微信表明來意，微信號：tangguoyemeng。請備注投稿+姓名+公司職位。

  
  

如果咱們的合作穩(wěn)定又愉快，還可以簽訂合同長期合作哦！

總結(jié)

以上是生活随笔為你收集整理的统计了50万人的身高数据才发现：大家都爱虚报身高的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。