我校保研情况分析¶
12 月 9 日
本文总阅读量 次
今天闲着没什么事情，统计了下我校保研学生在去向学校，分数，性别，使用邮箱，自身专业，自身学院上的区别，仅供娱乐。本文代码已经放在了github，自取。如果有问题，我的邮箱是memoiry@outlook.com。
下面是发现的一些有趣的事实。
- 我校 14 级入学男女比是 $\frac{6509}{2702} = 2.41$，总保研人数比是 $\frac{727}{515} = 1.41$，保研比是 $\frac{727 + 515}{6509 + 2702} = 13.5\%$，男生保研比$\frac{727}{6509} = 11.17\%$, 女生保研比$\frac{515}{2702} = 19.05\%$看来女生比男生更爱学习呀
- 保研人数最多的是材料科学与工程
76人，机械工程72人，船舶与海洋工程51人。 - 去向最多的学校是('武汉理工大学',
331人), ('华中科技大学',236人), ('武汉大学',68人), ('华南理工大学',42人), ('湖南大学',42人), ('浙江大学',40人)。 - 90%用的是
qq邮箱，然后大部分是163邮箱，貌似还看到有人用 wutnews，应该是经纬的？ 硕士有
1151人, 直博生有91人。分学院来看，平均综测最高的是自动化学院，最好保研的学院是资环学院（平均排名100+），平均绩点最高的依次是外国语，文法，政治学院，见如下结果统计（只计前5）
| 学院 | 综测平均分数 | 人数 |
|---|---|---|
| 自动化学院 | 95.395000 | 70 |
| 文法学院 | 95.328000 | 35 |
| 艺术与设计学院 | 95.129737 | 38 |
| 外国语学院 | 93.661176 | 17 |
| 管理学院 | 93.350652 | 92 |
| 学院 | 年级平均排名 | 人数 |
|---|---|---|
| 外国语学院 | 26.176471 | 17 |
| 交通学院 | 39.180723 | 83 |
| 土木工程与建筑学院 | 42.693548 | 62 |
| 化学化工与生命科学学院 | 51.057143 | 35 |
| 机电工程学院 | 52.469027 | 113 |
| 学院 | 平均 GPA | 人数 |
|---|---|---|
| 外国语学院 | 4.044706 | 17 |
| 文法学院 | 3.888571 | 35 |
| 政治与行政学院 | 3.818824 | 17 |
| 自动化学院 | 3.764714 | 70 |
| 经济学院 | 3.751698 | 53 |
- 分录取学校来看，在综测、排名、GPA上的排名如下（只列前五）：
| 保研学校 | 综测平均分数 | 人数 |
|---|---|---|
| 清华大学 | 99.406364 | 11 |
| 浙江大学 | 98.396000 | 40 |
| 北京大学 | 97.448750 | 8 |
| 同济大学 | 97.050667 | 15 |
| 北京航空航天大学 | 96.088125 | 16 |
| 保研学校 | 年级平均排名 | 人数 |
|---|---|---|
| 清华大学 | 8.727273 | 11 |
| 上海交通大学 | 11.757576 | 33 |
| 同济大学 | 17.266667 | 15 |
| 中国科学技术大学 | 20.095238 | 21 |
| 浙江大学 | 24.500000 | 40 |
| 保研学校 | 平均 GPA | 人数 |
|---|---|---|
| 清华大学 | 4.132727 | 11 |
| 北京大学 | 4.062500 | 8 |
| 上海交通大学 | 3.993030 | 33 |
| 中南财经政法大学 | 3.953333 | 12 |
| 浙江大学 | 3.948500 | 40 |
如果想看更加详细的结果，可以看看下面的代码与结果，主要四个部分
- 自动化学院分别在性别，专业，录取学校，硕博类型，邮箱类型上的区别
- 全校在性别，专业，录取学校，硕博类型，邮箱类型上的区别。
- 全校分别根据录取学校的不同，综测，排名，GPA上的区别。
- 全校分别根据学院的不同，综测，排名，GPA上的区别。
这里先导入必要的库，中文与邮箱格式处理
In [1]:
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="ticks")
file = 'test.xls'
df = pd.read_excel(file)
plt.rcParams['font.sans-serif'] = ['SimHei'] # for Chinese characters
df['电子邮箱'] = df['电子邮箱'].apply(lambda x: x.split('@')[1].split('.')[0])
定义一个函数进行分类统计
In [2]:
def plot_cat(dataframe, attri, attri2 = None, attri3 = None, prep = None):
plt.figure(figsize=(15,5))
print('统计类型：{} '.format(attri))
if attri2 is not None:
dataframe = dataframe[dataframe[attri2] == attri3]
types = np.unique(dataframe[attri])
num_type = len(types)
stat_num = []
for i in range(num_type):
stat_num.append(dataframe[dataframe[attri] == types[i]].shape[0])
print('类型数：{}'.format(num_type))
order = np.argsort(stat_num)[::-1]
print('统计个数排序:{}'.format(list(zip(types[order],np.sort(stat_num)[::-1]))))
sns.barplot(types, stat_num)
plt.show()
print()
1. 自动化学院分别在性别，专业，录取学校，硕博类型，邮箱类型上的区别¶
In [3]:
college = '自动化学院'
plot_cat(df, '性别', '本科学院名称', college)
plot_cat(df, '毕业专业名称','本科学院名称', college)
plot_cat(df, '录取学校名称','本科学院名称', college)
plot_cat(df, '招生类型','本科学院名称', college)
plot_cat(df, '电子邮箱','本科学院名称', college)
2. 全校在性别，专业，录取学校，硕博类型，邮箱类型上的区别。¶
In [4]:
plot_cat(df, '性别')
plot_cat(df, '毕业专业名称')
plot_cat(df, '录取学校名称')
plot_cat(df, '本科学院名称')
plot_cat(df, '招生类型')
plot_cat(df, '电子邮箱')
在定义一个函数进行 group box 统计。
In [9]:
def plot_contra(dataframe, attri1, attri2, topk = 10, pre_defined_type = None, rev = False):
plt.figure(figsize=(15,5))
print("平均{}排名：".format(map_list[attri2]))
types = np.unique(dataframe[attri1])
num_type = len(types)
stat_num = []
for i in range(num_type):
stat_num.append(dataframe[dataframe[attri1] == types[i]].shape[0])
order = np.argsort(stat_num)[::-1]
topk_type = types[order][:topk]
dataframe_temp = []
for i in range(topk):
dataframe_temp.append(dataframe[dataframe[attri1] == topk_type[i]])
if pre_defined_type is not None:
for i in range(len(pre_defined_type)):
dataframe_temp.append(dataframe[dataframe[attri1] == pre_defined_type[i]])
dataframe_temp = pd.concat(dataframe_temp)
stats = dataframe_temp.groupby(attri1)[attri2].mean()
stats_num = dataframe_temp.groupby(attri1)[attri2].count().rename('count')
if rev:
print(pd.concat([stats, stats_num], axis=1).sort_values(attri2)[::-1])
else:
print(pd.concat([stats, stats_num], axis=1).sort_values(attri2))
sns.boxplot(x = attri1, y = attri2, data = dataframe_temp)
plt.show()
3. 全校分别根据录取学校的不同，综测，排名，GPA上的区别。¶
In [10]:
map_list = {'tjzhcj': '综测总分',
'tjzhmc': '年级排名',
'tjgpa': 'GPA'}
plot_contra(df, '录取学校名称', 'tjzhcj', 20, ['清华大学', '北京大学'], True)
plot_contra(df, '录取学校名称', 'tjzhmc', 20, ['清华大学', '北京大学'])
plot_contra(df, '录取学校名称', 'tjgpa', 20, ['清华大学', '北京大学'], True)
4. 全校分别根据学院的不同，综测，排名，GPA上的区别。¶
In [15]:
plot_contra(df, '本科学院名称', 'tjzhcj', 20, [], True)
plot_contra(df, '本科学院名称', 'tjzhmc', 20, [])
plot_contra(df, '本科学院名称', 'tjgpa', 20, [], True)
In [ ]: