[数据可视化]哪年高考最难？哪里高考最难？

最新推荐文章于 2023-06-26 17:21:38 发布

weixin_34390996

最新推荐文章于 2023-06-26 17:21:38 发布

阅读量200

点赞数

文章标签：爬虫数据结构与算法人工智能

原文链接：https://my.oschina.net/crossin/blog/1837101

版权

2019独角兽企业重金招聘Python工程师标准>>>

一年一度的高考又到来了。虽然对于大多数人来说，高考已经是过去的事情了。但每年到了这个时候，又难免再次想起那种被支配的恐惧。譬如03年的江苏数学卷，十多年过去了仍不断被人提起。作为当时的亲历者之一，我不禁想知道：到底我们是不是最难的一届呢？

于是我去找了下历年的高考数据，并使用 pyechats 库做了一点简单的可视化处理：

最直接反映高考难度的，自然是录取率。因为难易是相对的，就算试卷很难，但大家都有学上，那也算不上难考。

数据来源：新东方在线 http://news.koolearn.com/20180606/1152629.html

代码：

import numpy as np
from pyecharts import Bar, Line, Overlap

data = [[2017, 940, 700, 74.46],
[2016, 940, 705, 75],
[2015, 942, 700, 74.3],
...
[1977, 570, 27, 5]]

arr = np.array(data)
bar = Bar()
bar.add("报考人数",arr[::-1,0] , arr[::-1,1])
bar.add("录取人数",arr[::-1,0] , arr[::-1,2])
line = Line()
line.add("录取率",arr[::-1,0] , arr[::-1,3]*10, line_width=3, line_color='green')
ol = Overlap("历年报考人数与录取率")
ol.add(bar)
ol.add(line)
ol.render()

这是自1977年恢复高考以来到2017年的高考报考及录取数据。篇幅所限，省略了部分数据。为了直观展示，对录取率做了尺度上的变换。2000年以后，最难（录取率最低）的一年高考是2007年，录取率只有56%，但这也已经比上世纪八九十年代只有百分之二三十的录取率高得多。总体来说，上大学的确是越来越容易了。而数据上看，03年也没有想象中那么糟糕。

从图上可以看出，每年的报考人数也有不小的波动。我去找了历年的人口统计数据，与报考人数做了个对比：

数据来源：国家统计局年度数据 http://data.stats.gov.cn/easyquery.htm?cn=C01

代码：

data_born = [[124761, 123626, 122389, ..., 65994], 
             [14.64, 15.64, 16.57, ..., 24.78]]
arr_born = np.array(data_born)
list_born = list((arr_born[0]*arr_born[1]/1000)[::-1])
bar = Bar("历年报考人数与出生人数")
bar.add("报考人数",arr[::-1,0] , arr[::-1,1])
bar.add("出生人数",arr[::-1,0] , list_born)
bar.render()

由于没有完整的年出生人数数据，我用了1959~1999 前一年末总人口数 x 当年出生率来替代出生人数，然后与18年后的高考报名人数作比较。可以看出两点：

高考人口与出生人数有一定的相关性
适龄人口的高考率逐渐提高

教育普及率相比较二三十年前大有提高，加之人口增长放缓，越来越多的人可以接受更高程度的教育。不过从比例上可以推断出，上大学仍然不是件人人可以享受得到的事情。

看了时间上的分布，那么地域上呢？相较整体的录取率，人们争议更多的还是不同地区高考之前的差异。

首先看下2018年各省的报名情况：

数据来源：中国教育在线 http://gaokao.eol.cn/gkbm/

代码：

from pyecharts import Map  

data_prov = [('北京', 6.3), ('重庆', 25), ('上海', 5), ..., ('西藏', 2.53)]  
geo = Map("2018各省高考报名人数")
attr, value = geo.cast(data_prov)
geo.add('', attr, value, visual_range=[0, 80], is_visualmap=True, is_map_symbol_show=False)  
geo.render()

报名人数最多的是河南省98.38万人，广东省75.8万人次之，重庆作为直辖市也有25万人。人数较少的地区：北京6.3万、上海约5万、天津5.5万、青海约4万, 西藏2.53万

报名人数与当地本身的人口总量有关，有多有少很正常，关键还是看录取率。下面是2017年各省的一本录取率：

数据来源：新东方在线 http://gaokao.koolearn.com/20170728/1119910.html

代码：

data_prov_ad = [('湖南', 11.2), ('江西', 10.4), ('安徽', 14.2), ..., ('浙江', 14)]
geo = Map("2017各省一本录取率")
attr, value = geo.cast(data_prov_ad)
geo.add("", attr, value, visual_range=[8, 20], is_visualmap=True, is_map_symbol_show=False)
geo.render()

最难的三个地区：河南7.8%，广西8.44%，山西9.8%
录取率最高的三个地区：北京30.5%，天津24.1%，上海21.8%
（缺海南数据）

而江苏去年的12.1%还排不进top10。

讲真，看了这数据还是挺心疼河南的小伙伴们，论人数远高于其他地区，论录取率又远低于。难怪周围的河南同学都是学霸。

教育是件极为重要的事，也是件极为复杂的事。我在这里仅仅是展示一些看得到的客观数据，很难得出更深的结论。我希望今天参加高考的每位考生都可以考上理想的学校，但在教育资源小于受教育需求的前提下，这个愿望显然不可能每个人都实现。所以，能有幸接受到好教育的机会值得珍惜，而因种种原因没能如愿的人，人生还很长，还有千万种可能。

从个人角度来看，不要执着于绝对的公平；但从整个社会来看，我们应该让每个人拥有更加公平的机会。相信在不久之后，报名数和录取数的曲线会越来越近，录取率分布图上的颜色也越来越趋向一致。

本文中使用到的完整数据和代码，可在公众号（Crossin的编程教室）里获取，回复关键字高考

════
其他文章及回答：