前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >带你用Python解读高考数据:全国哪里的高校最多?什么专业最热门?

带你用Python解读高考数据:全国哪里的高校最多?什么专业最热门?

作者头像
CDA数据分析师
发布2020-07-15 15:36:51
1K0
发布2020-07-15 15:36:51
举报
文章被收录于专栏:CDA数据分析师CDA数据分析师

CDA数据分析师 出品

作者:Mika

数据:真达

后期:泽龙

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:

代码语言:javascript
复制
# 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:

代码语言:javascript
复制
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,临川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。

#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,最后祝本次高考学子都能取得好成绩,进入理想的大学!

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-07-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 CDA数据分析师 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档