Python解读高考数据：什么专业最火？
一年一度的高考又开始了。对于很多人来说，高考是人生中非常难忘的一段体验。
那么历年的高考人数、录取率如何？哪个地区的高校最多？都有什么专业最热门？今天我们就用Python+数据的方式来聊一聊。
（注：本文使用数据为1977~2019年数据，仅供参考。Python代码演示见本文第二部分）
回顾历年高考人数和录取率
我们搜集整理了自1977年恢复高考以来到2019年，这四十多年来高考人数、录取人数和录取率的数据。
历年高考人数数据
在图中我们可以看到：
高考人数：
参加高考的人数逐年递增，2008年高考人数达到峰值1050万。之后几年人数有所回落。而今年，2020年全国考生人数创新高达到1071万，是自2009年后十年来再次破千万。也是近年来人数最多的一年，
录取人数：
录取人数基本都是逐年递增，在1997年的时候，高校录取人数终于突破了百万大关。
录取率：
录取率也基本是逐年递增，在2005年到2008年这四年时间，录取率相对往年是下降的；随后伴随高校陆续扩招，录取率增长很快；到了2017年，录取率达到了82%，总体来说高等教育的普及率是越来越高了。
接着，我们看到去年2019年各省份的高考一本录取数据：
2019年各省份一本录取线
首先在高考人数上，河南遥遥领先，高考人数破百万，达到103万，妥妥的高考大省，其中一本录取人数为12.92万，一本录取率为12.54%。其次，广东、四川的高考人数也不容小觑，分别为76万和65万，一本录取率分别为12.87%和14.72%。
02
国内理工类院校占三分之一
江苏高校数量最多
高考学子千千万，那么我国各省市的高校分布又是怎样的呢？全国哪个地方的高校最多？
我们分析了中国教育在线网站（https://gkcx.eol.cn/）的高校数据，当中包含本科院校和高职(专科)院。
如何获取数据
我们使用Python获取了中国教育在线网站的高校数据，共2904条。以下展示数据获取部分代码：
https://gkcx.eol.cn/school/search
具体思路如下：
分析网页，通过翻页可以发现数据是动态加载的，因此通过Chrome浏览器进行抓包分析获取真实的URL请求地址，并确定请求方式(get还是post)； 使用requests请求网页数据； 使用json解析并提取数据； 使用pandas将数据保存到本地
首先打开网址，使用Chrome浏览器的检查功能，切换到Network-XHR，点击翻页进行网络数据抓包，很容易发现数据都是被封装在json中的，如下图所示：
切换到Headers处，确定请求的方法为post请求，得到数据请求的URL地址，其中page参数代表页数，通过遍历即可获取所有数据。代码如下：
# 导入包
import numpy as np
import pandas as pd
import requests
import json
from fake_useragent import UserAgent
import time
# 获取一页
def get_one_page(page_num):
# 获取URL
url = 'https://api.eol.cn/gkcx/api/'
# 构造headers
headers = {
'User-Agent': UserAgent().random,
'Origin': 'https://gkcx.eol.cn',
'Referer': 'https://gkcx.eol.cn/school/search?province=&schoolflag=&recomschprop=',
}
# 构造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",
}
# 发起请求
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)
# 解析获取数据
school_data = json.loads(response.text)['data']['item']
# 学校名
school_name = [i.get('name') for i in school_data]
# 隶属部门
belong = [i.get('belong') for i in school_data]
# 高校层次
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]
# 办学类型
level_name = [i.get('level_name') for i in school_data]
# 院校类型
type_name = [i.get('type_name') for i in school_data]
# 是否公办
nature_name = [i.get('nature_name') for i in school_data]
# 人气值
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]
# 区域
county_name = [i.get('county_name') for i in school_data]
# 保存数据
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
# 获取多页
def get_all_page(all_page_num):
# 存储表
df_all = pd.DataFrame()
# 循环页数
for i in range(all_page_num):
# 打印进度
print(f'正在获取第{i + 1}页的高校信息')
# 调用函数
df_one = get_one_page(page_num=i+1)
# 追加
df_all = df_all.append(df_one, ignore_index=True)
# 随机休眠
time.sleep(np.random.uniform(2))
return df_all
if __name__ == '__main__':
# 运行函数
df = get_all_page(all_page_num=148)
通过上述程序，共获取到2904条数据，数据预览如下：
df.head()
分析结果
全国院校分布：江苏高校数量第一
经过分析发现，江苏省在高校数量上拔得头筹，以174所高校位居榜首。其次北京有167所，山东和广东紧随其后，均为161所。
全国高校层次：北京的985、211院校最多
我们进一步分析数据发现，在各省市的高校层次分布中，除了双非院校，211院校方面，北京的最多有27所，然后是江苏11所，上海10所。985院校方面呢，北京9所，其次山东和上海均有4所。
高校类型：国内三分之一都是理工院校
然后我们在放眼全国的高校类型，可以看到理工类院校是最多的，占比高达30.93%。接着就是综合类院校了，占比为29.14%。师范类有8.7%。
大学热度排名：厦门位居榜首
中国教育在线网站还有根据搜索数据统计了高校的人气值。
我们对各个高校的人气值进行统计发现：
在全国大学的人气值排名中，厦门大学位居榜首，武汉大学位居第二，四川大学位居第三。北大清华位居四五位。
03
工学专业最多 数据解读报考专业
说完了高校，我们再来聊聊专业。我们接着对中国教育在线的专业数据进行了分析整理，共获取1450 条数据。
学科专业：工学专业最多，哲学最少
哪些学科的下分专业最多呢？统计发现，工程学科下的专业多达212种，然后是文学，下分的专业有122种。而哲学这一学科下分的专业最少，仅为4种。
专业热度排名：临床医学搜索最多
同样的，我们也对专业的人气值进行了分析统计：
结果发现，临床医学的搜索度特别高，位居首位。其次是商务经济学，以及电气工程与智能控制。（注：中国教育在线这里的数据是包含本科和专科两种，所以有两个名称相同的“临床医学”，热度最高的是专科类）
#没学过却很好奇的专业# 大家对什么专业最好奇
在专业方面，网友们又对对哪些专业感兴趣呢？微博上#没学过却很好奇的专业#这一话题目前阅读达到1.3亿，讨论达到1.3万。
我们从中获取并分析了3544条数据，可以看到：
大家最好奇的专业排行榜上：心理学是妥妥的首位，看来如今人们是越来越重视心理健康了。第二位是护理学，第三位是考古学。
以上就是本次的全部分析啦。最后祝看到本文的高考学子都进入理想的大学，选上心仪的专业！
本文所使用到的数据及代码：
https://pan.baidu.com/s/1pY8iMlZMiTLKcONhkL5_8w
提取码: 78kw
_往期文章推荐_