Python解读高考数据:什么专业最火?

共 8940字,需浏览 18分钟

 ·

2021-06-08 19:27


出品:CDA数据分析师(cdacdacda)
作者:Mika
数据:真达
后期:泽龙
大家好,欢迎来到 Crossin的编程教室 !


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

 


01


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:


  1. 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);
  2. 使用requests请求网页数据;
  3. 使用json解析并提取数据;
  4. 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_

爆栈年度统计:程序员现状分析




浏览 14
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报