从前两天开始,各省市关于高考成绩放榜和各批次录取分数线都陆续出炉,教育部也发布了最新的全国高等学校名单。
于是乎,所谓的野鸡大学也就无处躲藏了。
也给广大的高考生在填报志愿的时候,提供了一个参考。
当然本次不讨论这个...
最新发布的名单没有本科院校的数量,于是小F找了2018年的数据。
1243所本科院校,和本次获取到的数据「1281个」基本差不多。
下面展示一下数据。
包含了专业名称,开设此专业的院校数量,及每年的就业率,最后是每年毕业生数量。
5万多条院校开通专业的数据,涵盖11大类,582个专业,1281个本科院校。
接下来就来分析一波,先对学科进行分组。
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba
# 设置列名与数据对齐
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
# 显示15行
pd.set_option('display.max_rows', 15)
# 读取数据
df = pd.read_csv('message.csv', encoding='gbk', header=None, names=['subject', 'major', 'school'])
# 学科分类
df_subject = df.groupby('subject').count.reset_index.sort_values(by='school')
print(df_subject)
# 获取列表数据
list1, list2 = ,
for i in df_subject['subject']:
list1.append(i)
for j in df_subject['school']:
list2.append(j)
print(list1)
print(list2)
获得数据如下:
利用获取的两个列表数据进行可视化。
这里「工学」位居第一,也和当下时代的发展相契合。
传统点的就是工业4.0,智能点的就是人工智能。
无不和「工学」息息相关。
接下来对专业进行分析。
# 专业分类
df_major = df.groupby('major').count.reset_index.sort_values(by='school')
print(df_major)
# 获取列表数据
list1, list2 = ,
for i in df_major['major'][-10:]:
list1.append(i)
print(list1)
for j in df_major['school'][-10:]:
list2.append(j)
print(list2)
得到结果如下:
专业TOP10出炉,也能以供参考。
照例还是使用现成的模板,方便多了...
最终结果如下。
开设英语的本科院校达到了1001所,接近院校总数的80%了。
不过网上对英语的评价就是:英语==失业。
所以对于英语专业,需要慎重考虑。
尾随其后的是计算机科学与技术,目前的大热门。
当然是不是修电脑我就不清楚了,相信关注小F公众号的小伙伴们,都能感受到计算机的魅力。
令人失望的是,小F就读的大机械居然没上榜,惭愧呀。
想当初「机械机械,压倒一切」,真不是瞎吹的。
一入机械深似海,从此妹子是路人。
这句也不假,说多了都是泪~
下面统计院校总数,并获取校名包含学院的院校数量。
# 对学校进行分组
df_name = df.groupby('school').count.reset_index.sort_values(by='subject')
print(df_name)
# 输出包含学院的校名
print(df_name[df_name['school'].str.contains('学院')])
得到院校总数以及哪所学校的专业最多:
嗯,1281所本科院校。
其中贵州大学以164个本科专业位居榜首。
接下来看一下校名包含学院的学校有多少所。
829所,占比64.7%,那么剩下的差不多都是大学了。
学院变大学(校名),这也是每年好多高校一直在做的事情。
毕竟一个霸气的校名,也能吸引不少考生报名。
最后生成一个校名词云图。
其中需要去掉「大学」和「学院」这两个关键词。
def create_wordcloud(df):
"""
生成校名词云
"""
# 分词
text = ''
for line in df['name']:
text += ' '.join(jieba.cut(line, cut_all=False))
text += ' '
backgroud_Image = plt.imread('school.jpg')
wc = WordCloud(
background_color='white',
mask=backgroud_Image,
font_path='C:WindowsFonts华康俪金黑W8.TTF',
max_words=1000,
max_font_size=150,
min_font_size=15,
prefer_horizontal=1,
random_state=50,
)
wc.generate_from_text(text)
img_colors = ImageColorGenerator(backgroud_Image)
wc.recolor(color_func=img_colors)
# 看看词频高的有哪些
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items, key=lambda e: e[1], reverse=True)
print(sort[:50])
plt.imshow(wc)
plt.axis('off')
wc.to_file("校名词云.jpg")
print('生成词云成功!')
# 去除大学
df_name = df_name['school'].str.replace('大学', '')
dict_name = {'name': df_name.values, 'numbers': df_name.index}
df_name = pd.DataFrame(dict_name)
# 去除学院
df_name = df_name['name'].str.replace('学院', '')
dict_name = {'name': df_name.values, 'numbers': df_name.index}
# 生成校名词云图
create_wordcloud(df_name)
得到结果如下:
师范和科技,妥妥的扛把子。
讲了半天,最后该如何选择呢?
当然是想去哪就去哪(分数高),冥冥之中,自有天意~
最后祝大家都能选到理想的大学和心仪的专业!
数据分析咨询请扫描二维码
CDA数据分析师认证:CDA认证分为三个等级:Level Ⅰ、Level Ⅱ和Level Ⅲ,每个等级的报考条件如下: Le ...
2024-11-14自学数据分析可能是一条充满挑战却又令人兴奋的道路。随着数据在现代社会中的重要性日益增长,掌握数据分析技能不仅能提升你的就 ...
2024-11-14数据分析相关职业选择 数据分析领域正在蓬勃发展,为各种专业背景的人才提供了丰富的职业机会。从初学者到有经验的专家,每个人 ...
2024-11-14数据挖掘与分析在金融行业的使用 在当今快速发展的金融行业中,数据挖掘与分析的应用愈发重要,成为驱动行业变革和提升竞争力的 ...
2024-11-14学习数据挖掘需要掌握哪些技能 数据挖掘是一个不断发展的领域,它结合了统计学、计算机科学和领域专业知识,旨在从数据中提取有 ...
2024-11-14统计学作为一门基于数据的学科,其广泛的应用领域和多样的职业选择,使得毕业生拥有丰厚的就业前景。无论是在政府还是企业,统计 ...
2024-11-14在当今高速发展的技术环境下,企业正在面临前所未有的机遇和挑战。数字化转型已成为企业保持竞争力和应对市场变化的必由之路。要 ...
2024-11-13爬虫技术在数据分析中扮演着至关重要的角色,其主要作用体现在以下几个方面: 数据收集:爬虫能够自动化地从互联网上抓取大量数 ...
2024-11-13在数据分析中,数据可视化是一种将复杂数据转化为图表、图形或其他可视形式的技术,旨在通过直观的方式帮助人们理解数据的含义与 ...
2024-11-13在现代银行业中,数字化用户行为分析已成为优化产品和服务、提升客户体验和提高业务效率的重要工具。通过全面的数据采集、深入的 ...
2024-11-13在这个数据飞速增长的时代,企业若想在竞争中占据优势,必须充分利用数据分析优化其营销策略。数据不仅有助于理解市场趋势,还可 ...
2024-11-13数据分析行业的就业趋势显示出多个积极的发展方向。随着大数据和人工智能技术的不断进步,数据分析在各行各业中的应用变得越来越 ...
2024-11-13市场数据分析是一门涉及多种技能和工具的学科,对企业在竞争激烈的市场中保持竞争力至关重要。通过数据分析,企业不仅可以了解当 ...
2024-11-13数据分析与数据挖掘是数据科学领域中两个关键的组成部分,它们各有独特的目标、方法和应用场景。尽管它们经常在实际应用中结合使 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13作为一名业务分析师,你肩负着将业务需求转化为技术解决方案的重任。面试这一角色时,涉及的问题多种多样,涵盖技术技能、分析能 ...
2024-11-13自学数据分析可能看似一项艰巨的任务,尤其在开始时。但是,通过一些策略和方法,你可以系统地学习和掌握数据分析的相关知识和技 ...
2024-11-10Excel是数据分析领域中的一款强大工具,它凭借其灵活的功能和易用的界面,成为了许多数据分析师和从业者的首选。无论是简单的数 ...
2024-11-10在快速发展的商业环境中,数据分析能力已经成为许多行业的核心竞争力。无论是初学者还是经验丰富的专家,搭建一个有效的数据分析 ...
2024-11-10