前言

软科中国大学排以专业、客观、透明的优势赢得了高等教育领域和社会的广泛关注和认可，本次将利用Python对我国大学排名和分布情况进行一番研究。

涉及到的内容：
Pandas — 数据处理
Pyecharts — 数据可视化

背景描述

数据为2021年中国大学综合排名数据，用于分析大学排名、分布情况

数据说明

数据来源

数据来自👉软科排名

问题描述

适用于分析场景：
1、中国大学综合排名
2、中国大学各省市分布情况
3、各省市大学排名波动情况
4、其他

1. 导入模块

In [1]:

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

2. Pandas数据处理

2.1 读取数据

In [2]:

df = pd.read_csv('/home/mw/input/06024378/中国大学综合排名2021.csv', encoding='gb2312')
df.head()

Out[2]:

2.2 查看表格数据类型

In [3]:

df.dtypes

Out[3]:

排名           int64
升/降        float64
学校名称        object
英文名称        object
省市          object
类型          object
总分         float64
办学层次       float64
学科水平       float64
办学资源       float64
师资规模与结构    float64
人才培养       float64
科学研究       float64
服务社会       float64
学术人才       float64
重大项目与成果    float64
国际竞争力      float64
dtype: object

2.3 查看表格数据描述

In [4]:

df.describe()

Out[4]:

可以看到数据一个有582条，升/降数据只有566条，办学层次、学科水平。。。等只有100条，存在数据缺失。

2.4 查看表格缺失数据

In [5]:

df.isnull().sum()

Out[5]:

排名           0
升/降         16
学校名称         0
英文名称         0
省市           0
类型           0
总分           0
办学层次       482
学科水平       482
办学资源       482
师资规模与结构    482
人才培养       482
科学研究       482
服务社会       482
学术人才       482
重大项目与成果    482
国际竞争力      482
dtype: int64

2.5 填充某一列缺失数据

填充升/降数据，以填充0为例：

In [6]:

df['升/降'].fillna(0, inplace=True)
df.isnull().sum()

Out[6]:

排名           0
升/降          0
学校名称         0
英文名称         0
省市           0
类型           0
总分           0
办学层次       482
学科水平       482
办学资源       482
师资规模与结构    482
人才培养       482
科学研究       482
服务社会       482
学术人才       482
重大项目与成果    482
国际竞争力      482
dtype: int64

2.6 一次性填充所有缺失数据

一次性填充所有缺失数据，以填充0为例：

In [7]:

df.fillna(0, inplace=True)
df.isnull().sum()

Out[7]:

排名         0
升/降        0
学校名称       0
英文名称       0
省市         0
类型         0
总分         0
办学层次       0
学科水平       0
办学资源       0
师资规模与结构    0
人才培养       0
科学研究       0
服务社会       0
学术人才       0
重大项目与成果    0
国际竞争力      0
dtype: int64

In [8]:

df.describe()

Out[8]:

可以看到所有列数据均有582条，填充完成。

2.7 统计所有排名未改变的学校

In [9]:

df[df['升/降']==0]

Out[9]:

2.8 统计前50名中排名下降的学校

In [10]:

df.loc[(df['排名']<50) & (df['升/降']<0),:]

Out[10]:

2.9 统计各省市大学数量

In [11]:

g = df.groupby('省市')
# 各省份大学数量
df_counts = g.count()['排名']
df0 = df_counts.copy()
df0.sort_values(ascending=False, inplace=True)
df0

Out[11]:

省市
江苏     38
山东     33
河南     31
河北     28
北京     27
辽宁     27
陕西     26
四川     26
广东     25
湖南     25
湖北     25
浙江     25
安徽     24
江西     22
黑龙江    19
吉林     18
上海     18
山西     17
福建     17
云南     16
广西     15
贵州     13
甘肃     12
内蒙古    12
新疆     11
天津     11
重庆     11
海南      4
青海      2
西藏      2
宁夏      2
Name: 排名, dtype: int64

2.10 各省市大学平均分排序

In [12]:

df_means0 = g.mean()['总分']
df_means = df_means0.round(2)
df1 = pd.concat([df_counts, df_means], join='outer', axis=1)
df1.columns = ['数量', '平均分']
df1.sort_values(by=['平均分'], ascending=False, inplace=True)
df1

Out[12]:

3. Pyecharts数据可视化

3.1 各省市大学数量和平均分柱状图(横向)

In [17]:

df1.sort_values(by=['平均分'], ascending=False, inplace=True)
d1 = df1.index.tolist()
d2 = df1['数量'].values.tolist()
d3 = df1['平均分'].values.tolist()
bar0 = (
    Bar()
    .add_xaxis(d1)
    .add_yaxis('数量', d2)
    .add_yaxis('平均分数', d3)
    .set_global_opts(
        title_opts=opts.TitleOpts(title='中国大学排名'),
        yaxis_opts=opts.AxisOpts(name='量'),
        xaxis_opts=opts.AxisOpts(name='省份'),
    )
)
bar0.render('各省市大学数量和平均分柱状图(横向).html')

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UyhwLccv-1645683799486)(C:\Users\wangchaojie\Desktop\Python案例分析\中国大学综合排名2021\讲义\中国大学综合排名案例分析.assets\1628130179176.png)]

3.2 各省市大学数量和平均分柱状图(纵向)

In [18]:

df1.sort_values(by=['平均分'], inplace=True)
d1 = df1.index.tolist()
d2 = df1['数量'].values.tolist()
d3 = df1['平均分'].values.tolist()
bar1 = (
    Bar()
    .add_xaxis(d1)
    .add_yaxis('数量', d2)
    .add_yaxis('平均分数', d3)
    .reversal_axis()
    .set_series_opts(label_opts=opts.LabelOpts(position='right'))
    .set_global_opts(
        title_opts=opts.TitleOpts(title='中国大学排名'),
        yaxis_opts=opts.AxisOpts(name='省份'),
        xaxis_opts=opts.AxisOpts(name='量'),
    )
)
bar1.render('各省市大学数量和平均分柱状图(纵向).html')

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fOOdCfTw-1645683799488)(C:\Users\wangchaojie\Desktop\Python案例分析\中国大学综合排名2021\讲义\中国大学综合排名案例分析.assets\1628130232642.png)]

3.3 各省市大学数量玫瑰图

In [19]:

name = df_counts.index.tolist()
count = df_counts.values.tolist()
c0 = (
    Pie()
    .add(
        '',
        [list(z) for z in zip(name, count)],
        radius=['20%', '60%'],
        center=['50%', '65%'],
        rosetype="radius",
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}: {c}'))
)
c0.render('各省市大学数量玫瑰图.html')

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hezY61cU-1645683799489)(C:\Users\wangchaojie\Desktop\Python案例分析\中国大学综合排名2021\讲义\中国大学综合排名案例分析.assets\1628130268764.png)]

3.4 各省市大学数量南丁格尔玫瑰图

In [20]:

provinces = df0.index.tolist()
num = df0.values.tolist()
c1 = (
    Pie()
    .add('', [list(z) for z in zip(provinces, num)],
         radius=['30%', '105%'],
         rosetype='area'
         )
    .set_global_opts(title_opts=opts.TitleOpts(title='中国大学排名'),
                     legend_opts=opts.LegendOpts(is_show=False),
                     toolbox_opts=opts.ToolboxOpts())
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="inside", font_size=12,
                                               formatter='{b}: {c}', font_style='italic',
                                               font_weight='bold', font_family='Microsoft YaHei'
                                               ))
)
c1.render('各省市大学数量南丁格尔玫瑰图.html')

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1dpcXLVV-1645683799489)(C:\Users\wangchaojie\Desktop\Python案例分析\中国大学综合排名2021\讲义\中国大学综合排名案例分析.assets\1628130298969.png)]

3.5 各省市大学数量地图分布

In [21]:

name = df0.index.tolist()
count = df0.values.tolist()
m = (
        Map()
        .add('', [list(z) for z in zip(name, count)], 'china')
        .set_global_opts(
            title_opts=opts.TitleOpts(title='中国大学排名'),
            visualmap_opts=opts.VisualMapOpts(max_=40, split_number=8, is_piecewise=True),
        )
    )
m.render('各省市大学数量地图分布.html')

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kUF4NsAe-1645683799490)(C:\Users\wangchaojie\Desktop\Python案例分析\中国大学综合排名2021\讲义\中国大学综合排名案例分析.assets\1628130320617.png)]

总结

1. 大学数量较多的省市：江苏、山东、河南、河北、北京、辽宁 、陕西、四川 、广东 、湖南 、湖北、浙江等地（只看学校数量），后期探索可根据学校排名
2. 排名前20的大学较前一年的波动较小（这也符合常理，毕竟前几的学校都是多年沉淀下来的）
3. 西部地区大学数量较少

name = df0.index.tolist()
count = df0.values.tolist()
m = (
        Map()
        .add('', [list(z) for z in zip(name, count)], 'china')
        .set_global_opts(
            title_opts=opts.TitleOpts(title='中国大学排名'),
            visualmap_opts=opts.VisualMapOpts(max_=40, split_number=8, is_piecewise=True),
        )
    )
m.render('各省市大学数量地图分布.html')

[外链图片转存中…(img-kUF4NsAe-1645683799490)]

总结

1. 大学数量较多的省市：江苏、山东、河南、河北、北京、辽宁 、陕西、四川 、广东 、湖南 、湖北、浙江等地（只看学校数量），后期探索可根据学校排名
2. 排名前20的大学较前一年的波动较小（这也符合常理，毕竟前几的学校都是多年沉淀下来的）
3. 西部地区大学数量较少
4. 本数据集不包含港、澳、台大学（网站未统计）