不像考卷，现实生活中，有些事永远没有答案。
简单且随意地分析一下高考的一些数据~~~
让我们愉快地开始吧~~~
相关文件
密码: 9jyd
相关文件中包含本文所涉及到的所有源代码和数据。
数据源于网络，不保证其完全可靠。
Python版本：3.6.4
相关模块：pyecharts模块；以及一些Python自带的模块。
安装Python并添加到环境变量，pip安装需要的相关模块即可。
pyecharts模块的安装可参考：
安装Python并添加到环境变量，pip安装需要的相关模块即可。
额外说明：
pyecharts模块安装时请依次执行以下命令：
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
pip install pyecharts
若安装过程中出现：
'utf-8' codec can't decode byte 0xb6
或者类似的编码错误提示。
可尝试修改Python安装文件夹下如下图所示路径下的__init__.py文件的第75行代码：
修改为下图所示内容：
“一本正经的分析”
首先让我们来看看从恢复高考(1977年)开始高考报名、最终录取的总人数走势吧：
T_T看来学生党确实是越来越多了。
不过这样似乎并不能很直观地看出每年的录取比例？Ok，让我们直观地看看吧：
看来上大学越来越“容易”之说不是空穴来风的，总录取比例高的可怕~~~
那么各省的情况呢？
由于各省高考最终录取人数的统计标准不一样，有些是只统计本科，有些是都统计的，为了避免统计标准不一而带来的不公平对比，我们只分析各省的高考报考人数。
从2010年开始到今年(2018年)各省份高考考生数量的分布图如下：
T_T河南的高考考生人数真是一枝独秀。
那么各省的大学数量又是如何分布的呢？以公办本科大学数量作为统计标准，其分布图大概是这样的：
Emmm。北京和江苏分别位居第一和第二名。想想也是必然T_T
那么985&211高校的分布又如何呢？
“那就这样吧，再爱都曲终人散了。”看到这个默默不说话了。
以省份为x轴，年份为y轴，该年该省报考的考生人数为z轴来更直观地看看各省每年的高考考生数量变化情况吧：
上图中省份的顺序是这样的：
北京、四川、陕西、江西、吉林、宁夏、广西、内蒙古、甘肃、西藏、福建、上海、广东、山东、浙江、河南、安徽、江苏、河北、黑龙江、湖南、湖北、山西、云南、贵州、海南、辽宁、重庆、天津、青海、新疆，台湾因为没有数据，所以没有加入。
T_T河南的高考考生数量真的恐怖。
Emmm，因为可用的数据不多，再分析下去大概就是花式的做图游戏了，想想还是算了吧。至于个人观点，还是不发表为好。毕竟，大家的“哈姆雷特”都不一样。
相关文件中包含了本文所涉及到的所有源代码、数据和结果，其中，数据来源网络，本人不保证其可靠性。
运行源代码前需将对应的注释去除。
原文链接：https://blog.csdn.net/m0_67373485/article/details/129516238?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171852767216800182738856%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171852767216800182738856&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-6-129516238-null-null.nonecase&utm_term=2024%E9%AB%98%E8%80%83%E6%8A%A5%E8%80%83
