python哪一年发行的_高考哪年最难？众说纷纭不如用Python分析出哪一年最难

2020年高考已经落下帷幕了，各省高考成绩较前几年有较大幅度上涨，部分省份甚至700分都无缘“清北”，看的小编一头冷汗，庆幸生对了年代。

网络上关于哪年高考难度最大的争议从未中断：

于是我决定用python对2010年至2020年的高考数据进行分析，多角度分析得出全国卷最难的年份。

以某高考大省理科成绩为例，我从网络上爬取了从2010年至2020年之间的理科成绩数据，存入csv文件中待用

下面从3个角度进行分析

角度1：一本线排名

用pyecharts画出历年一本线柱状图：

从图中可以看出，2011年一本线为最高582分，2017年为最低484分。

一本线的高低在一定程度上能够映出当年高考的难度，但受招生人数、报考人数等因素影响，单单从这一角度考虑不够充分。

代码：

bar = (

Bar()

.add_xaxis(list(range(2010,2021)))

.add_yaxis(series_name="历年一本线排名", yaxis_data=eve_scores_line, yaxis_index=0, color=colors[0])

.set_series_opts(

label_opts=opts.LabelOpts(is_show=True),

markline_opts=opts.MarkLineOpts(

data=[

opts.MarkLineItem(type_="min", name="最小值"),

opts.MarkLineItem(type_="max", name="最大值"),

opts.MarkLineItem(type_="average", name="平均值"),

]

),

colors=Faker.rand_color()

)

.set_global_opts(

xaxis_opts=opts.AxisOpts(name="年份",axisline_opts=opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts(color=colors[1]))),

yaxis_opts=opts.AxisOpts(

name="分数",

type_="value",

min_=400,

max_=600,

position="left",

axisline_opts=opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts(color=colors[2])

),

axislabel_opts=opts.LabelOpts(formatter="{value}"),

axistick_opts=opts.AxisTickOpts(is_show=True),

splitline_opts=opts.SplitLineOpts(is_show=True),

),

tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),

)

.render("每年一本线.html")

分析角度2：各分数段人数占比

统计每年各分数段人数占比，画出时间轴饼状图，如下图：

貌似不够直观

我们再来统计一下历年600至700分人数占比情况，并画出折线图：

从图中可以看出，600分至700分的人数，2020年占比最高，达9.71%；2013年占比最低，为0.71%，差距高达10余倍。

代码如下：

for i in range(2010,2021):

a=data[data['年份'].eq(i)]

a=a[a['成绩'].ge(200)]

a = a[a['成绩'].le(700)]

sum_students = max(list(a['排名']))

dict={'200-300':0, '300-400':0, '400-500':0, '500-600':0, '600-700':0}

for j in range(200,700,100):

stmp = a[a['成绩'].ge(j)]

stmp = stmp[stmp['成绩'].le(j+100)]

renshu=int(list(stmp['排名'])[-1])-int(list(stmp['排名'])[0])

dict['{0}-{1}'.format(j,j+100)]=round(float(renshu/sum_students)*100,2)

data_eve_years.append(dict)attr = Faker.choose()tl = Timeline()

for i,j in zip(range(2010, 2021),data_eve_years):

pie = ( Pie() .add( "",

[list(z) for z in zip(list(j.keys()), [j[k] for k in list(j.keys())])],

rosetype="radius",

radius=["30%", "55%"], ) .set_global_opts(title_opts=opts.TitleOpts("{}年各分数段人数占比".format(i))) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%")) )

tl.add(pie, "{}年".format(i))tl.render("timeline_pie.html")c = ( Line()

.add_xaxis(xaxis_data=['{0}年'.format(i) for i in list(range(2010, 2021))])

.add_yaxis( series_name="历年600-700分人数占比情况",

y_axis=[i['600-700'] for i in data_eve_years])

.set_global_opts( xaxis_opts=opts.AxisOpts(name="年份",axisline_opts=opts.AxisLineOpts( linestyle_opts=opts.LineStyleOpts(color='r'))),

yaxis_opts=opts.AxisOpts( name="占比", type_="value", position="left", axislabel_opts=opts.LabelOpts(formatter="{value}%"),

axistick_opts=opts.AxisTickOpts(is_show=True),

splitline_opts=opts.SplitLineOpts(is_show=True), ),

tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"), )

.render("600-700占比折线图.html"))

分析角度3：平均分排名

从前开始，对前1、2、3、4万名的成绩求平均分，画出折线图:

从折线图可以看出，2013年平均分最低。

代码：

c = (

Line()

.add_xaxis(xaxis_data=['{0}年'.format(i) for i in list(range(2010,2021))])

.add_yaxis(

series_name="前1万名",

y_axis=result[0],

)

.add_yaxis(

series_name="前2万名",

y_axis=result[1],

)

.add_yaxis(

series_name="前3万名",

y_axis=result[2],

)

.add_yaxis(

series_name="前4万名",

y_axis=result[3],

)

.set_global_opts(

xaxis_opts=opts.AxisOpts(name="年份",axisline_opts=opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts(color='r'))),

yaxis_opts=opts.AxisOpts(

name="分数",

type_="value",

min_=500,

max_=700,

position="left",

axislabel_opts=opts.LabelOpts(formatter="{value}"),

axistick_opts=opts.AxisTickOpts(is_show=True),

splitline_opts=opts.SplitLineOpts(is_show=True),

),

tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),

)

.render("折线图.html")

)

从折线图可以看出，2013年平均分最低。

代码：

c = (

Line()

.add_xaxis(xaxis_data=['{0}年'.format(i) for i in list(range(2010,2021))])

.add_yaxis(

series_name="前1万名",

y_axis=result[0],

)

.add_yaxis(

series_name="前2万名",

y_axis=result[1],

)

.add_yaxis(

series_name="前3万名",

y_axis=result[2],

)

.add_yaxis(

series_name="前4万名",

y_axis=result[3],

)

.set_global_opts(

xaxis_opts=opts.AxisOpts(name="年份",axisline_opts=opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts(color='r'))),

yaxis_opts=opts.AxisOpts(

name="分数",

type_="value",

min_=500,

max_=700,

position="left",

axislabel_opts=opts.LabelOpts(formatter="{value}"),

axistick_opts=opts.AxisTickOpts(is_show=True),

splitline_opts=opts.SplitLineOpts(is_show=True),

),

tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),

)

.render("折线图.html")

)

综上所述，2013年全国卷高考应该是最难的。

源码及表格数据由于篇幅限制，没放在文内。有兴趣的朋友需要的话，请回复“高考”获取。