CDA數據分析師 出品

作者：Mika

數據：真達

后期：澤龍

【導讀】

今天我們用數據來聊一聊高考。Python技術分析請看第二部分。

Show me data，用數據說話

今天我們聊一聊 高考

高考是人生中非常難忘的一段體驗，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，我國首次調整高考時間。

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，多了一個月的埋頭苦讀，多了一個月對心態的考驗。

那么歷年的高考人數、錄取率如何?哪個地區的高校最多?都有什么專業最熱門?今天我們就用數據來聊一聊。

01回顧歷年高考人數和錄取率

我們搜集整理了自1977年恢復高考以來到2019年，這四十多年來高考人數、錄取人數和錄取率的數據。

歷年高考人數數據

在圖中我們可以看到：

高考人數：

參加高考的人數逐年遞增，2008年高考人數達到峰值1050萬。之后幾年人數有所回落。而今年，2020年全國考生人數創新高達到1071萬，是自2009年后十年來再次破千萬。也是近年來人數最多的一年，

錄取人數：

錄取人數基本都是逐年遞增，在1997年的時候，高校錄取人數終于突破了百萬大關。

錄取率：

錄取率也基本是逐年遞增，在2005年到2008年這四年時間，錄取率相對往年是下降的;隨后伴隨高校陸續擴招，錄取率增長很快;到了2017年，錄取率達到了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據：

2019年各省份一本錄取線

首先在高考人數上，河南遙遙領先，高考人數破百萬，達到103萬，妥妥的高考大省，其中一本錄取人數為12.92萬，一本錄取率為12.54%。其次，廣東、四川的高考人數也不容小覷，分別為76萬和65萬，一本錄取率分別為12.87%和14.72%。

02國內理工類院校占三分之一

江蘇高校數量最多

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

我們分析了中國教育在線網站(https://gkcx.eol.cn/)的高校數據，當中包含本科院校和高職(?？?院。

如何獲取數據

我們使用Python獲取了中國教育在線網站的高校數據，共2904條。以下展示數據獲取部分代碼：

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

具體思路如下：

分析網頁，通過翻頁可以發現數據是動態加載的，因此通過Chrome瀏覽器進行抓包分析獲取真實的URL請求地址，并確定請求方式(get還是post);

使用requests請求網頁數據;

使用json解析并提取數據;

使用pandas將數據保存到本地

首先打開網址，使用Chrome瀏覽器的檢查功能，切換到Network-XHR，點擊翻頁進行網絡數據抓包，很容易發現數據都是被封裝在json中的，如下圖所示：

切換到Headers處，確定請求的方法為post請求，得到數據請求的URL地址，其中page參數代表頁數，通過遍歷即可獲取所有數據。代碼如下：

# 導入包

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/'

# 構造headers

headers = {

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

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

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

# 構造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", }

# 發起請求 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)

# 解析獲取數據

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

# 學校名 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]

# 區域

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

# 保存數據

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):

# 存儲表

df_all = pd.DataFrame()

# 循環頁數

for i in range(all_page_num):

# 打印進度

print(f'正在獲取第{i + 1}頁的高校信息')

# 調用函數

df_one = get_one_page(page_num=i+1)

# 追加

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

# 隨機休眠

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

return df_allif __name__ == '__main__':

# 運行函數

df = get_all_page(all_page_num=148)

通過上述程序，共獲取到2904條數據，數據預覽如下：

df.head()

分析結果

全國院校分布：江蘇高校數量第一

經過分析發現，江蘇省在高校數量上拔得頭籌，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

我們進一步分析數據發現，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：國內三分之一都是理工院校

然后我們在放眼全國的高校類型，可以看到理工類院校是最多的，占比高達30.93%。接著就是綜合類院校了，占比為29.14%。師范類有8.7%。

大學熱度排名：廈門位居榜首

中國教育在線網站還有根據搜索數據統計了高校的人氣值。

我們對各個高校的人氣值進行統計發現：

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

03工學專業最多 數據解讀報考專業

說完了高校，我們再來聊聊專業。我們接著對中國教育在線的專業數據進行了分析整理，共獲取1450 條數據。

學科專業：工學專業最多，哲學最少

哪些學科的下分專業最多呢?統計發現，工程學科下的專業多達212種，然后是文學，下分的專業有122種。而哲學這一學科下分的專業最少，僅為4種。

專業熱度排名：臨床醫學搜索最多

同樣的，我們也對專業的人氣值進行了分析統計：

結果發現，臨川醫學的搜索度特別高，位居首位。其次是商務經濟學，以及電氣工程與智能控制。

#沒學過卻很好奇的專業# 大家對什么專業最好奇

在專業方面，網友們又對對哪些專業感興趣呢?微博上#沒學過卻很好奇的專業#這一話題目前閱讀達到1.3億，討論達到1.3萬。

我們從中獲取并分析了3544條數據，可以看到：

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

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