通过一个身高调查数据后发现：大家都爱虚报身高？

对有些人来说，身高是尊严，对有些人来说，身高无非数字。

但随着社会的发展，其实相当大部分的人还是很重视自己的身高的。

今天我们通过统计在相亲网上爬取的50万用户的信息，来看看关于身高的问题，大家都是怎么看待的~~

数据说明

1、数据来源

本次的统计数据来自某相亲网站，信息都是用户自己填写的。

正常情况下大家报身高都是往高虚报，极少人往矮报吧？所以，本次统计的身高结果应该会比真实情况更高一些，当然，这还只是个人揣测。

本次调查的地方是在：北京、上海、广州和重庆四个城市。

而原因是：

四座城市在祖国的不同方位，收集样本范围够广

四座城市都是大城市，外来人口较多，汇集了全国各地的人，能在一定程度上体现总体趋势

2、年龄分布

先对统计用户的年龄进行了可视化，x轴是年龄，y轴是人数，波峰是27岁。

统计用户的年龄分布

除此之外，还分别统计了男性和女性的年龄分布，女性年龄的波峰出现在27岁，男性年龄的波峰出现在29岁。

总体平均年龄：32.332岁

男性平均年龄：33.239岁

女性平均年龄：31.929岁

3、性别分布

本次统计用户的性别分布情况

本次统计的用户中女性占了大多数。

其实是爬数据的时候先抓取了女性数据，在女性数据抓取完成后才抓取的男性数据，而当看数据库样本数据到50万的时候就把爬虫停了。

正态分布

在看统计结果之前，我们先提一下“正态分布”。

正态分布，也称“常态分布”，又名高斯分布。

正态分布是一种概率分布。它是具有两个参数μ和σ的连续型随机变量的一种分布。

这里就不过多地介绍正态分布啦，只需知道，身高在样本数量足够大的时候应该服从正态分布（如果有不同的意见，欢迎指正）。

正态分布的曲线图应该如下图所示（中间高，两边低，两侧大致对称），在这种情况下，数据才具有一定的真实性，否则数据就有一定的作假嫌疑。

正态分布示意图

当然目测是不准确的，还需要通过方差、期望等来判断。不过当人肉眼都能看出一条曲线不符合正态分布时，那这个数据的真实性就真有待商榷了。

数据展示

1、男性

统计用户中男性的身高分布情况

可以看到男性身高的分布情况不那么符合正态分布。

波峰出现在170cm，人数是24515人。

身高人数前五名是：

不知大家发现没有，这些身高都是极其常见的身高。

揣测一下，在大多数自报身高的情况下——不足170cm同学的都报170cm，不足175cm的都报175cm。

其实大家办理户口录入身高时就是这样操作的，常见身高就是这几个数字。所以才在开头说，大家的真实身高应该会比统计值稍微低一些。

我们来算一下平均值，再把脏数据去除之后，算出来的所有男性的身高平均值是（单位cm）：

2、女性

女性的身高统计方式和男性一样，就不过多解释了，这里直接展示统计结果：

统计用户中女性的身高分布情况

女性身高分布图有点狠啊，160cm远远超过了其他身高值。

身高人数前五名是：

女性平均身高（单位cm）：

结论

看完这个统计结果，对比了一下国家公布的数字，下图是百度百科公布的2015年国家统计的身高数据：

相亲网站上的身高数据比国家的统计高出了约6厘米。

到底是因为相亲网上的用户中年轻人较多而年轻人又长得高，还是大家填写的身高数据水分比较大呢？

还有一种可能就是此次统计的用户是城市居民，而城市居民的平均身高会相对高一些？

想长高 科学办法很重要！