商务数据分析 商务数据分析工具 实训-【数据分析】用python分析高考数据.docxVIP

用Python分析高考数据 【实训目的】 学会使用Python分析高考数据 【实训平台】 1.系统：Windows7 操作系统 2.软件：Python版本：3.6.4 相关模块：pyecharts模块；以及一些Python自带的模块。 pyecharts官网： 【实训步骤】 相关文件 网盘下载链接:? /s/1zvVTTxfjmrTxjjX_M_DoEA? 密码: 9jyd 相关文件中包含本文所涉及到的所有源代码和数据。 数据源于网络，不保证其完全可靠。 环境搭建 安装Python并添加到环境变量，pip安装需要的相关模块即可。 额外说明： pyecharts模块安装时请依次执行以下命令： pip install?echarts-countries-pypkg pip install?echarts-china-provinces-pypkg pip install?echarts-china-cities-pypkg pip install?pyecharts 若安装过程中出现： utf-8 codec cant decode byte 0xb6 或者类似的编码错误提示。 可尝试修改Python安装文件夹下如下图所示路径下的__init__.py文件的第75行代码： 修改为下图所示内容： “一本正经的分析” 开始分析 首先让我们来看看从恢复高考(1977年)开始高考报名、最终录取的总人数走势吧： 不过这样似乎并不能很直观地看出每年的录取比例？Ok，让我们直观地看看吧： 看来上大学越来越“容易”之说不是空穴来风的，总录取比例高的可怕~~~ 那么各省的情况呢？ 由于各省高考最终录取人数的统计标准不一样，有些是只统计本科，有些是都统计的，为了避免统计标准不一而带来的不公平对比，我们只分析各省的高考报考人数。 从2010年开始到今年(2018年)各省份高考考生数量的分布图如下： T_T河南的高考考生人数真是一枝独秀。 那么各省的大学数量又是如何分布的呢？以公办本科大学数量作为统计标准，其分布图大概是这样的： Emmm。北京和江苏分别位居第一和第二名。想想也是必然T_T 那么985211高校的分布又如何呢？ “那就这样吧，再爱都曲终人散了。”看到这个默默不说话了。 以省份为x轴，年份为y轴，该年该省报考的考生人数为z轴来更直观地看看各省每年的高考考生数量变化情况吧： 上图中省份的顺序是这样的： 北京、四川、陕西、江西、吉林、宁夏、广西、内蒙古、甘肃、西藏、福建、上海、广东、山东、浙江、河南、安徽、江苏、河北、黑龙江、湖南、湖北、山西、云南、贵州、海南、辽宁、重庆、天津、青海、新疆，台湾因为没有数据，所以没有加入。 T_T河南的高考考生数量真的恐怖。 Emmm，因为可用的数据不多，再分析下去大概就是花式的做图游戏了，想想还是算了吧。至于个人观点，还是不发表为好。毕竟，大家的“哈姆雷特”都不一样。