Python中国高校及专业数据分析可视化

高考刚刚落幕，本期利用 python 分析一下我国高校及专业数据，看看：

• 高校办学类别有哪些

• 全国高校分布情况

• 本科/专科占比情况

• 985/211/双一流高校数量占比情况

• 985/211/双一流主要分布城市

• 高校开始最多的专业有哪些

• 国家特色专业数量最多的学校

• 等等…

希望对大家有所帮助，如有疑问或者需要改进的地方可以联系小编。

涉及到的库：
Pandas — 数据处理
Pyecharts — 数据可视化

1. 导入模块

import pandas as pd  
from pyecharts.charts import Bar  
from pyecharts.charts import Map  
from pyecharts.charts import Pie  
from pyecharts.charts import WordCloud  
from pyecharts import options as opts

2. Pandas数据处理

2.1 读取数据

df_school = pd.read_csv('高校.csv',encoding='gbk')

df_professional = pd.read_csv('专业.csv',encoding='gbk')

3. Pyecharts数据可视化

3.1 全国高校分布地图

def get_map1():  
    m1 = (  
        Map()  
        .add('',  
              [list(z) for z in zip(df_school_count.index.tolist(), df_school_count.values.tolist())],  
              maptype='china',  
              is_map_symbol_show=False,  
              label_opts=opts.LabelOpts(is_show=False,color='red')  
          )  
        .set_global_opts(  
            visualmap_opts=opts.VisualMapOpts(  
                is_show=True,  
                max_ = 200,  
                pos_top='60%',  
                pos_left='10%',  
            ),  
            tooltip_opts=opts.TooltipOpts(formatter='{b}:{c}'),  
            title_opts=opts.TitleOpts(title='1-全国高校分布地图',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",  
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))  
        )  
    )

3.2 全国高校分布城市地图

3.3 本科/专科占比

def get_pie1():  
    pie1 = (  
        Pie()  
        .add(  
            "",  
            [list(z) for z in zip(df_school_count.index.tolist(), df_school_count.values.tolist())],  
            radius=["30%", "60%"],  
            label_opts=opts.LabelOpts(formatter="{b}: {c}")  
        )  
        .set_global_opts(  
            title_opts=opts.TitleOpts(title='3-本科/专科占比',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",  
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),  
            legend_opts=opts.LegendOpts( pos_top="5%"),  
        )  
    )

3.4 985/211/双一流高校数量占比

3.5 办学类别排行

def get_bar1():  
    bar1 = (  
        Bar()  
        .add_xaxis(df_school_count.index.tolist())  
        .add_yaxis("",df_school_count.values.tolist(),label_opts=opts.LabelOpts(position='right'))  
        .reversal_axis()  
        .set_global_opts(  
            visualmap_opts=opts.VisualMapOpts(  
                is_show=False,  
                max_ = 1000,  
                dimension=0,  
                range_color=range_color  
            ),  
            title_opts=opts.TitleOpts(title='5-办学类别排行',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",  
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))  
        )  
  
    )

3.6 985/211/双一流高校数量占比

def get_bar2():  
    bar2 = (  
        Bar()  
        .add_xaxis(df_school_tmp_count.index.tolist())  
        .add_yaxis("",df_school_tmp_count.values.tolist())  
        .set_global_opts(  
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=30)),  
            visualmap_opts=opts.VisualMapOpts(  
                is_show=False,  
                max_ = 20,  
                dimension=1,  
                range_color=range_color  
            ),  
            title_opts=opts.TitleOpts(title='6-985/211/双一流主要分布城市Top20',pos_top='2%',pos_left="2%",  
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))  
        )  
  
    )

3.7 专业数量Top20

3.8 专业数量Top20学校地图分布

3.9 国家特色专业数量Top20学校

3.10 国家特色专业词云

def get_wordcloud():  
    wordcloud = (  
        WordCloud()  
        .add("",  
             words,  
             word_size_range=[5, 50]  
             )  
        .set_global_opts(  
            legend_opts=opts.LegendOpts(is_show=False),  
            title_opts=opts.TitleOpts(title='10-国家特色专业词云',pos_top='2%',pos_left="2%",  
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),  
        )  
    )

- END -

---

---

除上述资料外，还附赠全套Python学习资料，包含面试题、简历资料等具体看下方。

👉CSDN大礼包🎁：全网最全《Python学习资料》免费赠送🆓！（安全链接，放心点击）

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python学习路线

二、Python基础学习

1. 开发工具

2. 学习笔记

3. 学习视频

三、Python小白必备手册

四、数据分析全套资源

五、Python面试集锦

1. 面试资料

2. 简历模板

因篇幅有限，仅展示部分资料，添加上方即可获取