流程和数据驱动下的高校招生主题数据分析

1、    流程和数据驱动下的高校招生主题数据分析    四、利用python实现招生主题数据分析1.数据应用的三个层次数据经过采集、转换、清洗后，可以进行不同层次的利用和分析。对数据的利用可分为三个层次：（1）数据报表、可视化：包括师生画像，师生数据一张表，校情数据展示等。（2）数据挖掘、关联分析：对不同维度的数据进行挖掘应用。（3）建立数据模型、预测。对数据的利用，前提和基础是实现数据共享交换。解决数据共享交换，消除信息孤岛是一个持续的过程，新业务系统的建设或者旧业务系统的升级改造势必会影响原有数据的共享交换规则，所以当前和未来一段时期，数据共享交换仍是

2、高校数据工作的重点。目前各高校对数据的综合利用多停留在数据报表可视化阶段，只有个别高校实践了数据的挖掘应用。2. python简介利用python程序设计语言对数据进行可视化分析的优势在于其强大的集成性和丰富的第三方库，anaconda和pycharm可以帮助用户实现python的高效开发，把数据读取、数据清洗、数据分析和数据展示都集成在pythonide，无需添加额外的开发程序。python具有10万多个第三方库，如requests、beautifulsoup用于网络爬虫采集数据；matplotlib和seaborn有良好的作图性能；pandas是基于series和dataframe两种数据

3、类型的数据分析库。3.招生主题数据可视化本文数据可视化图表均使用python3.6版本，集成环境使用anaconda3。数据采集时，既可以直接通过python连接数据库，也可以将需要分析的数据从数据库中导出成csv或excel格式。本文使用的数据统一在数据库中用sql脚本执行查询语句，然后导出。python数据采集语句如下：#引入工具包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport warningswarnings.fil terwarnings（ignore）#如果数据图中需要显示中文plt

4、.rcparamsfont.sans-serif=simheiplt.rcparamsaxes.unicode_minus=false#创建工作路径import osos.chdir（d：python自主招生数据分析）#读取数据zz_student=pd.read.excel（zz_student2019.xlsx，sheetname=0）数据清洗是对数据进行重新审查和校验的过程，清洗过程中对重复数据、非标准化数据、缺失值数据进行处理。利用pandas和numpy计算库对数据进行聚合操作、清洗、标准化以及数据转换等。比如，利用身份证号信息对某些性别为空的数据填充正确的“男”“女”值，代码如下：

5、#提取身份证号字段zjh=zz_studentlsfzhdata_zjhs=pd.dataframe（zjh）#定义函数def get_sex（series）：getzjsh=str（seriessfzh）#假设数据有int和string 2种类型，全转换成strzjsh=int（getzjsh：-1）%10#这里先取到前17位，然后把string转换成int类型进行计算if zjsh%2=0：return 女else：return 男data_zjhs性别=data_zjhs.apply（get_sex，axis=ycolumns）数据清洗和标准化处理后，进行可视化处理，使用matplotl

6、ib或seaborn绘制成图。图6是自主招生考生的考试情况分布饼图，从图中可以明显看出，免试入学的考生占比将近一半，只免面试的人数占比24%，只免面试的人数较少，占比2.74%，参加双考的人数占比为27.31%。根据此数据情况，教务处可以优化配置考场安排、笔试监考老师、面试官，以达到资源最优配置。利用python中的bokeh制图可实现图表的交互，如图7所示。该图是各学院不同类别新生的录取人数堆叠柱状图，横坐标是学院维度，纵坐标是人数，颜色表示自主招生、中高职衔接、高招、贯通培养四类新生类别，柱子的高度表示人数的多少，当鼠标放在柱子上时，可显示该学院各类别新生人数。从图中可以看出，电信工程学院

7、的自主招生人数最多，汽车工程学院的高考招生人数最多，艺术设计学院的中高职衔接转段人数最多，根据此数据情况，结合各学院的招生专业计划和实际师资配比，可以适当调整专业设置和专业计划数，以突出特色专业，实现合理师资配比。另外，从生成的“各类别新生男女生年龄分布折线图”中可以看出，贯通新生的年龄多在15、16岁，极个别是14岁或者18岁，自主招生和高考统招新生年龄多在18岁，极个别在17岁或者21岁以上。根据此数据情况，结合各年龄段孩子特点，优化配置辅导员和班主任。对2013-2019年学校自主招生计划数和录取数进行对比，绘制计划数和录取数分布图，如图8所示。继续对招生计划数和录取数进行相关性分析，利

8、用python中的con（）函数，求得pearson相关系数为：0.949153，说明两者有较强的正相关性。接着利用skleam第三方库中的linearregression构建回归模型，模型结果显示，计划数与录取数存在线性关系。根据构建的回归模型，当计划数是1200时，预测录取数是1415。模型代码如图9所示，计划数与录取数回归拟合线如图10所示。五、结束语模型的构建需要结合特定的背景，综合考虑影响预测值的各个维度和各个因素。比如在上述的回归模型中，历年的数据积累会增加样本数据量，样本数据量的增加会使得预测结果更准确。另外，在模型中还需要考虑当年的招生政策、考生出生当年的人口出生率或当年各地生

9、源的高三毕业生人数，多种因素综合分析也会提升对预测结果的判断力。大数据时代，学校各个业务系统的数据只有进行统一源头采集、标准规范清洗转换、合理安全存储、有效综合利用的全生命周期，才能真正绽放高校教育数据资产的价值。流程是经脉，数据是血液，以师生为中心，梳理各个核心业务尤其是跨部门业务，是解决和消除数据孤岛的重要途经。数据标准是基础，数据治理是途径，数据交换是核心，数据分析是结果，数据工作需要全校上下各部门联动，打造学校、部门、个人三方共同参与、共同维护、共同使用、共同获益的良好数据生态，将学校业务数据通过采集、处理、利用加以高效组织和科学管理，使其成果得以有效应用于学校的教学、科研和校务管理与决策过程，进而提升学校的核心竞争力。参考文献：1wes mckinney著；徐敬一译.利用python进行数据分析m.北京：机械工业出版社，2018.2clinnton w.brownley著；陈光欣译.python数据分析基础m.北京：人民邮电出版社，2017.3kirthi raman著；程豪译.python数据可视化m.北京：机械工业出版社，2017.4eric matthes