CDA數(shù)據(jù)分析師 出品

作者：Mika

數(shù)據(jù)：真達(dá)

后期：澤龍

【導(dǎo)讀】

今天我們用數(shù)據(jù)來聊一聊高考。Python技術(shù)分析請(qǐng)看第二部分。

Show me data，用數(shù)據(jù)說話

今天我們聊一聊 高考

高考是人生中非常難忘的一段體驗(yàn)，而今年的高考尤為特別。由于今年疫情的影響，3月31日教育部宣布高考延期一個(gè)月，從本來的6月推遲到在7月7日至7月8日舉行，這是17年來，我國首次調(diào)整高考時(shí)間。

而2020年的高考生也真是特別不容易。熬過疫情的漫長黑夜，見證了歷史性的高考延期，多了一個(gè)月的埋頭苦讀，多了一個(gè)月對(duì)心態(tài)的考驗(yàn)。

那么歷年的高考人數(shù)、錄取率如何?哪個(gè)地區(qū)的高校最多?都有什么專業(yè)最熱門?今天我們就用數(shù)據(jù)來聊一聊。

01回顧歷年高考人數(shù)和錄取率

我們搜集整理了自1977年恢復(fù)高考以來到2019年，這四十多年來高考人數(shù)、錄取人數(shù)和錄取率的數(shù)據(jù)。

歷年高考人數(shù)數(shù)據(jù)

在圖中我們可以看到：

高考人數(shù)：

參加高考的人數(shù)逐年遞增，2008年高考人數(shù)達(dá)到峰值1050萬。之后幾年人數(shù)有所回落。而今年，2020年全國考生人數(shù)創(chuàng)新高達(dá)到1071萬，是自2009年后十年來再次破千萬。也是近年來人數(shù)最多的一年，

錄取人數(shù)：

錄取人數(shù)基本都是逐年遞增，在1997年的時(shí)候，高校錄取人數(shù)終于突破了百萬大關(guān)。

錄取率：

錄取率也基本是逐年遞增，在2005年到2008年這四年時(shí)間，錄取率相對(duì)往年是下降的;隨后伴隨高校陸續(xù)擴(kuò)招，錄取率增長很快;到了2017年，錄取率達(dá)到了82%，總體來說高等教育的普及率是越來越高了。

接著，我們看到去年2019年各省份的高考一本錄取數(shù)據(jù)：

2019年各省份一本錄取線

首先在高考人數(shù)上，河南遙遙領(lǐng)先，高考人數(shù)破百萬，達(dá)到103萬，妥妥的高考大省，其中一本錄取人數(shù)為12.92萬，一本錄取率為12.54%。其次，廣東、四川的高考人數(shù)也不容小覷，分別為76萬和65萬，一本錄取率分別為12.87%和14.72%。

02國內(nèi)理工類院校占三分之一

江蘇高校數(shù)量最多

高考學(xué)子千千萬，那么我國各省市的高校分布又是怎樣的呢?全國哪個(gè)地方的高校最多?

我們分析了中國教育在線網(wǎng)站(https://gkcx.eol.cn/)的高校數(shù)據(jù)，當(dāng)中包含本科院校和高職(專科)院。

如何獲取數(shù)據(jù)

我們使用Python獲取了中國教育在線網(wǎng)站的高校數(shù)據(jù)，共2904條。以下展示數(shù)據(jù)獲取部分代碼：

https://gkcx.eol.cn/school/search

具體思路如下：

分析網(wǎng)頁，通過翻頁可以發(fā)現(xiàn)數(shù)據(jù)是動(dòng)態(tài)加載的，因此通過Chrome瀏覽器進(jìn)行抓包分析獲取真實(shí)的URL請(qǐng)求地址，并確定請(qǐng)求方式(get還是post);

使用requests請(qǐng)求網(wǎng)頁數(shù)據(jù);

使用json解析并提取數(shù)據(jù);

使用pandas將數(shù)據(jù)保存到本地

首先打開網(wǎng)址，使用Chrome瀏覽器的檢查功能，切換到Network-XHR，點(diǎn)擊翻頁進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)抓包，很容易發(fā)現(xiàn)數(shù)據(jù)都是被封裝在json中的，如下圖所示：

切換到Headers處，確定請(qǐng)求的方法為post請(qǐng)求，得到數(shù)據(jù)請(qǐng)求的URL地址，其中page參數(shù)代表頁數(shù)，通過遍歷即可獲取所有數(shù)據(jù)。代碼如下：

# 導(dǎo)入包

import numpy as np

import pandas as pd

import requestsimport json

from fake_useragent import UserAgent

import time

# 獲取一頁

def get_one_page(page_num):

# 獲取URL

url = 'https://api.eol.cn/gkcx/api/'

# 構(gòu)造headers

headers = {

'User-Agent': UserAgent().random,

'Origin': 'https://gkcx.eol.cn',

'Referer': 'https://gkcx.eol.cn/school/search?province=&schoolflag=&recomschprop=', }

# 構(gòu)造data

data = {

'access_token': "",

'admissions': "",

'central': "",

'department': "",

'dual_class': "",

'f211': "",

'f985': "",

'is_dual_class': "",

'keyword': "",

'page': page_num,

'province_id': "",

'request_type': 1.

'school_type': "",

'size': 20.

'sort': "view_total",

'type': "",

'uri': "apigkcx/api/school/hotlists", }

# 發(fā)起請(qǐng)求 try: response = requests.post(url=url, data=data, headers=headers) except Exception as e:

print(e)

time.sleep(3) response = requests.post(url=url, data=data, headers=headers)

# 解析獲取數(shù)據(jù)

school_data = json.loads(response.text)['data']['item']

# 學(xué)校名 school_name = [i.get('name') for i in school_data]

# 隸屬部門

belong = [i.get('belong') for i in school_data]

# 高校層次

dual_class_name = [i.get('dual_class_name') for i in school_data]

# 是否985

f985 = [i.get('f985') for i in school_data]

# 是否211

f211 = [i.get('f211') for i in school_data]

# 辦學(xué)類型

level_name = [i.get('level_name') for i in school_data]

# 院校類型

type_name = [i.get('type_name') for i in school_data]

# 是否公辦

nature_name = [i.get('nature_name') for i in school_data]

# 人氣值

view_total = [i.get('view_total') for i in school_data]

# 省份

province_name = [i.get('province_name') for i in school_data]

# 城市

city_name = [i.get('city_name') for i in school_data]

# 區(qū)域

county_name = [i.get('county_name') for i in school_data]

# 保存數(shù)據(jù)

df_one = pd.DataFrame({

'school_name': school_name,

'belong': belong,

'dual_class_name': dual_class_name,

'f985': f985.

'f211': f211.

'level_name': level_name,

'type_name': type_name,

'nature_name': nature_name,

'view_total': view_total,

'province_name': province_name,

'city_name': city_name,

'county_name': county_name,

})

return df_one

# 獲取多頁

def get_all_page(all_page_num):

# 存儲(chǔ)表

df_all = pd.DataFrame()

# 循環(huán)頁數(shù)

for i in range(all_page_num):

# 打印進(jìn)度

print(f'正在獲取第{i + 1}頁的高校信息')

# 調(diào)用函數(shù)

df_one = get_one_page(page_num=i+1)

# 追加

df_all = df_all.append(df_one, ignore_index=True)

# 隨機(jī)休眠

time.sleep(np.random.uniform(2))

return df_allif __name__ == '__main__':

# 運(yùn)行函數(shù)

df = get_all_page(all_page_num=148)

通過上述程序，共獲取到2904條數(shù)據(jù)，數(shù)據(jù)預(yù)覽如下：

df.head()

分析結(jié)果

全國院校分布：江蘇高校數(shù)量第一

經(jīng)過分析發(fā)現(xiàn)，江蘇省在高校數(shù)量上拔得頭籌，以174所高校位居榜首。其次北京有167所，山東和廣東緊隨其后，均為161所。

全國高校層次：北京的985、211院校最多

我們進(jìn)一步分析數(shù)據(jù)發(fā)現(xiàn)，在各省市的高校層次分布中，除了雙非院校，211院校方面，北京的最多有27所，然后是江蘇11所，上海10所。985院校方面呢，北京9所，其次山東和上海均有4所。

高校類型：國內(nèi)三分之一都是理工院校

然后我們?cè)诜叛廴珖母咝ｎ愋?，可以看到理工類院校是最多的，占比高達(dá)30.93%。接著就是綜合類院校了，占比為29.14%。師范類有8.7%。

大學(xué)熱度排名：廈門位居榜首

中國教育在線網(wǎng)站還有根據(jù)搜索數(shù)據(jù)統(tǒng)計(jì)了高校的人氣值。

我們對(duì)各個(gè)高校的人氣值進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)：

在全國大學(xué)的人氣值排名中，廈門大學(xué)位居榜首，武漢大學(xué)位居第二，四川大學(xué)位居第三。北大清華位居四五位。

03工學(xué)專業(yè)最多 數(shù)據(jù)解讀報(bào)考專業(yè)

說完了高校，我們?cè)賮砹牧膶I(yè)。我們接著對(duì)中國教育在線的專業(yè)數(shù)據(jù)進(jìn)行了分析整理，共獲取1450 條數(shù)據(jù)。

學(xué)科專業(yè)：工學(xué)專業(yè)最多，哲學(xué)最少

哪些學(xué)科的下分專業(yè)最多呢?統(tǒng)計(jì)發(fā)現(xiàn)，工程學(xué)科下的專業(yè)多達(dá)212種，然后是文學(xué)，下分的專業(yè)有122種。而哲學(xué)這一學(xué)科下分的專業(yè)最少，僅為4種。

專業(yè)熱度排名：臨床醫(yī)學(xué)搜索最多

同樣的，我們也對(duì)專業(yè)的人氣值進(jìn)行了分析統(tǒng)計(jì)：

結(jié)果發(fā)現(xiàn)，臨川醫(yī)學(xué)的搜索度特別高，位居首位。其次是商務(wù)經(jīng)濟(jì)學(xué)，以及電氣工程與智能控制。

#沒學(xué)過卻很好奇的專業(yè)# 大家對(duì)什么專業(yè)最好奇

在專業(yè)方面，網(wǎng)友們又對(duì)對(duì)哪些專業(yè)感興趣呢?微博上#沒學(xué)過卻很好奇的專業(yè)#這一話題目前閱讀達(dá)到1.3億，討論達(dá)到1.3萬。

我們從中獲取并分析了3544條數(shù)據(jù)，可以看到：

大家最好奇的專業(yè)排行榜上：心理學(xué)是妥妥的首位，看來如今人們是越來越重視心理健康了。第二位是護(hù)理學(xué)，第三位是考古學(xué)。

以上就是本次的全部分析啦，最后祝本次高考學(xué)子都能取得好成績，進(jìn)入理想的大學(xué)!