实战项目 13：2018 年国内外独角兽公司数据分析

Python入门爬虫与数据分析

摘要：Python 分析国内外独角兽公司。

前不久的滴滴裁员新闻，让独角兽公司更为大众熟知。

你可能听过独角兽公司，但并不太清楚和一般公司、上市公司有什么区别，简单介绍下：

独角兽公司（Unicorn Companies）是指：成立不到 10 年，估值在 10 亿美元以上，且未在股票市场上市的科技创业公司。超级独角兽公司则是估值在 100 亿美元以上。

独角兽公司在多轮融资后就会谋划上市，公司市值也会随之大涨一番。比如去年上市之前的独角兽公司：小米、美团、拼多多，上市后市值分别增长了 400、1200、1300 亿元。

根据权威网站「CBInsights」对全世界数百家独角兽公司的最新统计（截止2019 年 1 月），滴滴是世界第 3 大独角兽公司，估值达到 560 亿美金，近 4000 亿人民币。

排名第一和第二的分别是中美两国独角兽老大：今日头条和 Uber，

上面表格标注了独角兽公司所在国家，可以用 pyecharts 绘制全球独角兽公司分布情况。

可以看到 326 家独角兽公司分布在 26 个国家，总估值超过 10,000 亿美元，大部分集中在中美两国。

代码实现如下：

from pyecharts import Map, Page, Style, Geo # 地图
from pyecharts import Bar, Pie, Boxplot
import pandas as pd
from pyecharts import Grid # 控制图表布局
# 更改默认主题
from pyecharts import configure
# 代码置于首部
configure(global_theme='dark')
# 获取数据
def get_data():
    data = pd.read_csv('./unicorn_worldwide.csv')  # 全球
    data2 = pd.read_csv('./unicorn_china.csv')
    return data, data2
# 1 全球独角兽公司分布
def unicorn_world(data):
    data = data.groupby(by='Country').count()
    data.sort_values(by='Company', ascending=False, inplace=True)
    attr = list(data.index)
    value = list(data['Company'].values)
    # 1 绘制地图
    map = Map(
        "全球独角兽公司分布",
        '326 家公司分布在 26 个国家',
        title_color="#fff", title_pos="left",  # 标题颜色位置
        # background_color='#404a59' #背景色
    )
    map.add("", attr, value,
            maptype="world",  # 世界地图
            visual_range=[0, 160],  # 值范围
            visual_text_color="#fff",
            is_visualmap=True, is_label_show=False,
            label_formatter='{b}'  # {a}{b}{c}显示不同标签、值格式
            )
    map.render(path='全球独角兽公司分布.png', pixel_ration=1)
    # 2 绘制柱状图
    bar = Bar("各国独角兽公司数量对比", '美中制霸', title_pos="center")
    bar.add("", attr, value,
            is_label_show=True,
            xaxis_interval=0,
            xaxis_rotate=45,
            )
    # Grid 控制图表布局范围，避免坐标标签折断
    grid = Grid()
    grid.add(bar, grid_bottom='25%')  # 图表距离底边25%，x 轴标签能够充分显示
    grid.render(path='各国独角兽公司数量.png', dpi=200)

从各国具体的数据来看，美国基本占了全球独角兽公司数量和估值的 50%，其次是中国，占了 30% 左右，剩下的二十来个国家只占 20%。

可以说，全球只有中美两国在「玩」独角兽公司。

代码实现如下：

# 2 各国独角兽公司估值对比饼图
def unicorn_world2(data):
    data = data.groupby(by='Country').sum()
    data = data.sort_values(by='Valuation', ascending=False)
    data2 = data[:5]['Valuation']  # 前5国家
    data3 = data[5:]['Valuation'].sum()  # 后5国家全部划分为其他
    data2.loc['Else'] = data3
    attr = list(data2.index)
    value = list(data2.values)
    chart = Pie(
        '各国独角兽公司估值对比',
        '中美占据 80%',
        title_pos='center',
    )
    chart.add('', attr, value,
              is_label_show=True,
              is_legend_show=False,
              )
    chart.render(path='各国独角兽公司市值对比.png')

简单对比一下两国估值排名前十的独角兽公司。可以看到美国除了 Uber，比较熟悉的还有：短期房屋出租网站 Airbnb、伊隆·马斯克的 SpaceX 、图片分享网站 Pinterest 等。

中国排名前十的则有今日头条、滴滴、大疆等。

总体来看，美国的独角兽公司估值比中国均匀一些。另外，上面的公司名单中没有出现「蚂蚁金服」公司，这可是个估值超过 1500 亿美金的「大家伙」，有了蚂蚁金服，中国在账面上至少是不输美国了。

相较于全球独角兽公司 ，我们可能更关心本土公司的情况。好在，胡润研究院也经常发布独角兽公司报告。

该机构 1 月 24 日发布了《2018胡润大中华区独角兽指数》报告，将「蚂蚁金服」列入了独角兽企业估值榜单的第一位，估值达到 10,000 亿人民币。

这份报告中显示，大中华区一共有 186 家独角兽公司上榜，总估值超过 5 万亿人民币，体量相当大，平均每个公司估值 270 亿。

来看看估值前二十名的公司有哪些：

前二十名公司中，有多少你此前是不知道的？这些公司就是不错的求职目标。

代码实现如下：

def unicorn_china2(data):
    data.sort_values(by='Valuation', ascending=False, inplace=True)
    data = data[:20][::-1]
    attr = list(data['Company'].values)
    value = list(data['Valuation'].values)
    bar = Bar("大中华区独角兽公司估值前二十名", '巨无霸蚂蚁金服', title_pos="center")
    bar.add("单位(亿人民币)",
            attr,
            value,
            is_label_show=True,
            label_pos='right',
            xaxis_interval=0,
            yaxis_roate=45,
            is_convert=True,
            legend_pos='right'
            )
    # Grid 控制图表布局，避免坐标标签折断
    grid = Grid(width=600, height=1000)  # 修改图形尺寸
    grid.add(bar, grid_left='15%')
    grid.render(path='大中华区独角兽企业估值前二十.png', dpi=200)

先来总体看一下 186 家公司都分布在哪些城市：

独角兽公司主要集中在京津、长江经济带和珠三角三大区域。其中，北京「一枝独秀」，不得不说，北京的科创公司环境氛围是真的好。

代码实现如下：

def unicorn_china(data):
    data = data.groupby(by='Headquarter').count()
    data.sort_values(by='Company', ascending=False, inplace=True)
    value = list(data['Company'].values)
    attr = list(data.index)
    # print(value,attr)
    map = Geo("大中华区独角兽公司分布", '北京突出', title_color="#fff",
              title_pos="center", background_color='#404a59')
    # type="effectScatter", is_random=True, effect_scale=5  使点具有发散性
    # 发散圆点图
    map.add("", attr, value, type="effectScatter",
            is_random=True, effect_scale=5,
            visual_range=[0, 80],
            visual_text_color="#fff",
            symbol_size=5,
            is_visualmap=True,
            )
    map.render(path='./国内独角兽公司城市分布.png', pixel_ration=1)

挑选图中比较突出的五个城市作对比，四个一线城市加上杭州。北京的独角兽公司整体估值水平远高于其他四大城市，上海和广州较弱，深圳和杭州旗鼓相当，马老板的「蚂蚁金服」让杭州很突出。

代码实现如下：

# 五大城市独角兽公司估值范围对比
def unicorn_china3(data):
    data1 = list(data.query("Headquarter == '北京'")['Valuation'].values)
    data2 = list(data.query("Headquarter == '上海'")['Valuation'].values)
    data3 = list(data.query("Headquarter == '广州'")['Valuation'].values)
    data4 = list(data.query("Headquarter == '深圳'")['Valuation'].values)
    data5 = list(data.query("Headquarter == '杭州'")['Valuation'].values)
    x_axis = ['北京', '上海', '广州', '深圳', '杭州']
    y_axis = [data1, data2, data3, data4, data5]
    chart = Boxplot('五大城市独角兽公司估值范围对比', title_pos='center')
    chart.add('单位(亿人民币)',
              x_axis, y_axis,
              legend_pos='right'
              )
    chart.render('五大城市独角企业市值值对比.png')

放大城市范围，看看大中华区各大城市估值排名前三的独角兽公司有哪些：

只有 19 座城市拥有独角兽公司，城市基本是一二线，且一多半的城市只上榜了一家公司，比如成都、重庆。看来，想去独角兽公司工作，得身处一二线城市。

代码实现如下：

# 各城市top3
def unicorn_china4(data):
    def top(data):
        top = data.sort_values(by=['Valuation'], ascending=False)
        return top[:3]
    data = data.groupby(by=['Headquarter']).apply(top)
    data['add'] = 1  # 辅助
    data['top'] = data.groupby(by='Headquarter')['add'].cumsum()
    data = data[['Company', 'Valuation', 'Industry', 'top']]
    print(data)

接着对比一下各个行业的独角兽公司情况：

互联网金融行业拥有绝对的优势，占了全部公司估值 5 万亿的三分之一。其次是互联网服务行业，看来互联网行业的工作机会要大很多。

具体地看看各行业估值前三名的公司是哪些：

这里面又有多少公司，你此前是不知道的？ 你不知道意味着很多人也不知道，现在你知道了，就掌握了一定的主动权。

文中代码和素材资源可以在下方链接中得到：

https://github.com/makcyun/web_scraping_with_python/tree/master/2018%20%E5%B9%B4%E5%9B%BD%E5%86%85%E5%A4%96%E7%8B%AC%E8%A7%92%E5%85%BD%E5%85%AC%E5%8F%B8%E4%BC%B0%E5%80%BC%E5%88%86%E6%9E%90

本专栏内容到此就结束了，希望能够帮助你顺利入门 Python 爬虫和数据分析。