用Python分析我国高等教育分布的不均衡

作者 Lewis Chou

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。

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
'''
更多Python学习资料以及源码教程资料，可以在群1136201545免费获取
'''

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(r'college_data.csv'):
        with open('college_data.csv', 'a+', encoding='utf-8') as f:
            f.write('name,site,title,type,belong,nature,website\n')
            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('\n')
                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('\n')
                except:
                    continue

if __name__ == '__main__':
    get_data()

我们来看下最后拿到的数据
在这里插入图片描述
数据还是比较整齐的，下面就进入到数据分析阶段

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
在这里插入图片描述
高校数量前十

高校数量后十

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
在这里插入图片描述
不出意外，京畿重地、东南沿海加湖广地区、东北工业区、珠江三角洲和巴蜀地区，是大学比较几种的地区，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
在这里插入图片描述
在这个图表中，山东和江苏是独一档的存在，东南沿海其他城市几岁其后，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

985高校排行
在这里插入图片描述
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？