分析全国的教育资源,高校分布数据,发现不均衡

Posted hhh188764

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了分析全国的教育资源,高校分布数据,发现不均衡相关的知识,希望对你有一定的参考价值。

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于数据森麟 ,作者Lewis Chou

前言

各个心怀梦想的学子们都迈入了自己理想中的大学。只是当我们站在象牙塔前,再回首凝望高中生活,一路走来,是不是会感慨万千呢。都说高考是普通大众改变命运的最好的阶梯,那么大学就是培养能力,形成品格的试验田,而通向这块田地的之路却并不平坦。尤其是一些高考大省的小伙伴儿们,是经历了怎样的拼搏,才一路拼杀过来的呢。

这里就涉及到了各个省份的招生标准和各省的高校资源情况了,毕竟每个省的高校,在本省的招生数量既多,要求又低(差不多是这样…)。

都说高考其实是相对公平的选拔,那么今天我们就用数据来说话,看看全国的教育资源,高校分布到底是怎样,哪里的小伙伴相对来说,更容易踏入大学的校门呢。

技术图片

 

数据获取

这里我选择的是“高考网”作为我数据的来源

http://college.gaokao.com/schlist/p1

网站很简单,也没有任何的反爬机制,直接分析页面,获取并保存数据就可以了
这里直接给出代码,不关心数据获取过程的小伙伴儿可以跳过此部分

import requests
from bs4 import BeautifulSoup
import os
import time


def get_data():
    for i in range(1, 108):
        print("正在下载第%s页数据" % i)
        url = http://college.gaokao.com/schlist/p%s % i
        res = requests.get(url).text
        content = BeautifulSoup(res, "html.parser")
        college_list = content.find(div, attrs={class: scores_List}).find_all(dl)
        items = map(parse_item, college_list)
        save_to_csv(items)
        time.sleep(1)


def parse_item(item):
    college_name = item.find(strong)[title]
    college_attr = item.find_all(li)
    college_site = college_attr[0].text[6:]
    college_title = college_attr[1].text[5:]
    college_type = college_attr[2].text[5:]
    college_belong = college_attr[3].text[5:]
    college_nature = college_attr[4].text[5:]
    college_website = college_attr[5].text[5:]
    result = {
        college_name: college_name,
        college_site: college_site,
        college_title: college_title,
        college_type: college_type,
        college_belong: college_belong,
        college_nature: college_nature,
        college_website: college_website
    }
    return result


def save_to_csv(data):
    if not os.path.exists(rcollege_data.csv):
        with open(college_data.csv, a+, encoding=utf-8) as f:
            f.write(name,site,title,type,belong,nature,website
)
            for d in data:
                try:
                    row = {},{},{},{},{},{},{}.format(d[college_name],
                                                        d[college_site],
                                                        d[college_title],
                                                        d[college_type],
                                                        d[college_belong],
                                                        d[college_nature],
                                                        d[college_website])
                    f.write(row)
                    f.write(
)
                except:
                    continue
    else:
        with open(college_data.csv, a+, encoding=utf-8) as f:
            for d in data:
                try:
                    row = {},{},{},{},{},{},{}.format(d[college_name],
                                                        d[college_site],
                                                        d[college_title],
                                                        d[college_type],
                                                        d[college_belong],
                                                        d[college_nature],
                                                        d[college_website])
                    f.write(row)
                    f.write(
)
                except:
                    continue

if __name__ == __main__:
    get_data()

 

我们来看下最后拿到的数据

技术图片

 

数据还是比较整齐的,下面就进入到数据分析阶段

技术图片

 

高校总数量排行

先不考虑高校质量、级别等因素,单单从高校数量方面来看下各个省份的排名情况

排行榜

总体排名

技术图片

 

高校数量前十

技术图片

 

高校数量后十

技术图片

 

能够看到,高校数量靠前的省份为江苏、山东、湖北、广东,这些可都是高考大省,同时高校数量也是非常多的。而更加著名的高考大省河南河北,同样也有着不错的高校数量,看来这些省份虽然考生多,但是要想考上本省的一个大学,还是比较有优势的。
但是对于贵州、内蒙、青海,西藏等地区的考生来说,高考考出省,也许会是个不错的选择哦。

全国高校热力图

我们再通过一张热力图来看看全国大学的分布情况

技术图片

 

不出意外,京畿重地、东南沿海及湖广地区、东北工业区、珠江三角洲和巴蜀地区,是大学比较集中的地区,同时也是我国经济比较发达且人口比较密集的区域,几者之间还是有着千丝万缕的联系的。

地区高校数量段位

技术图片

 

在这个图表中,山东和江苏是独一档的存在,东南沿海其他城市紧随其后,不过大西北还是需要继续发展啊,基本是在倒数第一和第二挡位。

高校质量排行

前面的高校数量分析,并没有考虑高校的质量,即该省份拥有985,211高校的数量。现在就来分析下从高质量高校层面分析,哪些省份又排名靠前呢

高质量高校数量排行

985高校排行

技术图片

 

毫无疑问,北京位居第一,其拥有的985高校是其他地区所不能比拟的。紧随其后的是上海,国际化的金融中心,也需要众多高等院校来衬托。山东也不错,位居第三。而前面榜单上的头名江苏则表现不佳,只拥有两所985院校,看来江苏的高校数量多,但是超级名牌大学却不是很多啊。
那么江苏的小伙伴儿,你们的高考困难吗?


211高校排行

技术图片

 

拥有211院校的省份相对来说就比较多了,不过还是北京拥有的最多,谁让人家是帝都呢。上海依然位居次席,地位稳稳的,配得上自己的身价。

985211高校综合

我们再把拥有985和211高校的省份综合起来看

技术图片

 

北京,上海,江苏,高质量高校三巨头出现了,就是它们。那么,这些省份的考生们,考名牌大学的困难程度是不是要比其他地区低一些呢,我没经历过,我没发言权,哈哈哈哈。

高质量高校热力分布图

技术图片

 

京津和长三角地区优势明显,妥妥的高质量院校聚集地。

各地区高质量高校占比

北京高质量高校占比

技术图片

 

北京一个省份,占有率高达19%,绝对的全国教育中心,人才聚集地。

高质量高校三巨头占比

技术图片

 

三巨头也不遑多让,高达37%的占比,真真是羡煞其他地区了。

占比前十城市高质量高校占比

技术图片

 

这个比例,拿走了绝大部分的教育资源,其他地区,没得玩了。

你所在的省份,有优势吗?

高校类别及属性分布

最后,我们再来看看,各种类型及不同属性的高校分布情况

技术图片

 

工科和综合性大学是最多的,这应该是和报考人数以及社会需求息息相关的。

技术图片

 

全国的高职专科所占比例接近50%,看来这种定向培养专业人才的高校还是有其生存之道的,当然,占有32%的本科院校,依然是广大学子的首选院校。





以上是关于分析全国的教育资源,高校分布数据,发现不均衡的主要内容,如果未能解决你的问题,请参考以下文章

全国高校实用数据挖掘分析与机器学习核心技术应用实战师资研修班

全国大学高校基础信息 API 接口

就够了

数据中心内负载均衡-ECMP的使用分析

全国高校R语言分析与数据挖掘核心技术应用实战师资研修班

2022年 全国普通高校学科竞赛排行榜(中国高等教育学会)