大家好，我是 👉【Python当打之年(点击跳转)】

高考刚刚落幕，本期利用 python 分析一下我国高校及专业数据，看看：

• 高校办学类别有哪些
• 全国高校分布情况
• 本科/专科占比情况
• 985/211/双一流高校数量占比情况
• 985/211/双一流主要分布城市
• 高校开始最多的专业有哪些
• 国家特色专业数量最多的学校
• 等等…

希望对大家有所帮助，如有疑问或者需要改进的地方可以联系小编。

🏳️‍🌈 1. 导入模块

import pandas as pd
from pyecharts.charts import Bar
from pyecharts.charts import Map
from pyecharts.charts import Pie
from pyecharts.charts import WordCloud
from pyecharts import options as opts

🏳️‍🌈 2. Pandas数据处理

2.1 读取数据

df_school = pd.read_csv('高校.csv',encoding='gbk')

df_professional = pd.read_csv('专业.csv',encoding='gbk')

🏳️‍🌈 3. Pyecharts数据可视化

3.1 全国高校分布地图

def get_map1():
    m1 = (
        Map()
        .add('',
              [list(z) for z in zip(df_school_count.index.tolist(), df_school_count.values.tolist())],
              maptype='china',
              is_map_symbol_show=False,
              label_opts=opts.LabelOpts(is_show=False,color='red')
          )
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(
                is_show=True,
                max_ = 200,
                pos_top='60%',
                pos_left='10%',
            ),
            tooltip_opts=opts.TooltipOpts(formatter='{b}:{c}'),
            title_opts=opts.TitleOpts(title='1-全国高校分布地图',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))
        )
    )

3.2 全国高校分布城市地图

3.3 本科/专科占比

def get_pie1():
    pie1 = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(df_school_count.index.tolist(), df_school_count.values.tolist())],
            radius=["30%", "60%"],
            label_opts=opts.LabelOpts(formatter="{b}: {c}")
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title='3-本科/专科占比',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),
            legend_opts=opts.LegendOpts( pos_top="5%"),
        )
    )

3.4 985/211/双一流高校数量占比

3.5 办学类别排行

def get_bar1():
    bar1 = (
        Bar()
        .add_xaxis(df_school_count.index.tolist())
        .add_yaxis("",df_school_count.values.tolist(),label_opts=opts.LabelOpts(position='right'))
        .reversal_axis()
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                max_ = 1000,
                dimension=0,
                range_color=range_color
            ),
            title_opts=opts.TitleOpts(title='5-办学类别排行',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))
        )
    )

3.6 985/211/双一流高校数量占比

def get_bar2():
    bar2 = (
        Bar()
        .add_xaxis(df_school_tmp_count.index.tolist())
        .add_yaxis("",df_school_tmp_count.values.tolist())
        .set_global_opts(
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=30)),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                max_ = 20,
                dimension=1,
                range_color=range_color
            ),
            title_opts=opts.TitleOpts(title='6-985/211/双一流主要分布城市Top20',pos_top='2%',pos_left="2%",
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))
        )
    )

3.7 专业数量Top20

3.8 专业数量Top20学校地图分布

3.9 国家特色专业数量Top20学校

3.10 国家特色专业词云

def get_wordcloud():
    wordcloud = (
        WordCloud()
        .add("",
             words,
             word_size_range=[5, 50]
             )
        .set_global_opts(
            legend_opts=opts.LegendOpts(is_show=False),
            title_opts=opts.TitleOpts(title='10-国家特色专业词云',pos_top='2%',pos_left="2%",
                    title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),
        )
    )

🏳️‍🌈 可视化项目源码+数据

点击跳转：【全部可视化项目源码+数据】

---

以上就是本期为大家整理的全部内容了，赶快练习起来吧，原创不易，喜欢的朋友可以点赞、收藏也可以分享（注明出处）让更多人知道。