中国人民大学2018年研究生考试数据分析

中国人民大学2018年研究生考试数据分析"/>

中国人民大学2018年研究生考试数据分析

导入模块，解决画图中文显示问题

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas.plotting import scatter_matrix
import seaborn as sns
%matplotlib inline
sns.set_style()
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']

数据来源于爬虫，详见前面博客

data = pd.read_excel("RUC2018.xlsx")
data.head()

学院招生人数分布

data.college.value_counts()
data['college'].value_counts().plot.bar(figsize=(15,5))

全日制和非全职人数比例

data['day'].value_counts().plot.bar()

考研初始成绩分布

data['score1'].plot.density(figsize=(15,5))

发现分数分布有两个峰，很自然想到用分数300来分类，对于小于300分的学院

data2=data[data.score1<300]
data2.head()
data2['college'].value_counts().plot.bar(figsize=(10,5))
data2['day'].value_counts().plot.bar(figsize=(10,5))

主要是商学院MBA，公管学院管理专硕，商学院会计，和信息资源管理，大部分为非全日制研究生。

感兴趣的主要是初始成绩大于300

aim=data[data.score1>300]
aim.head()
aim['score1'].plot.density(figsize=(15,5))

以下是初试分数分布，可以看出， 峰值大概在360左右

这是查看初始成绩，复试成绩，总成绩的统计分布

df = pd.DataFrame([aim.score1,aim.score2,aim.totial],index=['pre_examine', 're_examine','final_score'])
df = df.T
df.head()
df.describe()

总共统计1576名录取考生信息，初试平均分为372分，前50%的成绩为373分，这是一个相当高的分数 

下面查看低于360分的数据信息，和高于平均分数373分的数据信息

min_data=aim[aim.score1<360]
min_data.head()
min_data['college'].value_counts().plot.bar(figsize=(15,5))

下面是分数低于360的学院信息，可以看出，大部分都不是热门专业，这个只占25% 

 

 

min_data['day'].value_counts().plot.bar()
min_data.describe()

共380个数据

min_data['score1'].plot.density()

下面查看初始成绩大于373分的数据

max_data=aim[aim.score1>373]
max_data.head()
max_data.describe()

总共774个数据，平均分390分，这是很可怕的数据 

查看学院分布

基本可以看出财政金融和经济学院共220分数大于373分

最后是一个总体数据分析

df = pd.DataFrame([aim.score1,aim.score2,aim.totial],index=['pre_examine', 're_examine','final_score'])
df = df.T
df.head()
df.describe()

 

df.hist(figsize=(15,5))

df.plot(kind='density', subplots=True, layout=(2,2), sharex=False, figsize=(15,10))

 

箱线图

df.plot(kind='box', subplots=True, layout=(2,2), sharex=False, sharey=False, figsize=(15,10))

 

最后是一个总成绩，初始，复试的相关矩阵图

def plot_corr_map(df):corr=df.corr()_,ax=plt.subplots(figsize=(12,10))cmap=sns.diverging_palette(220,10,as_cmap=True)_=sns.heatmap(corr,cmap=cmap,square=True,cbar_kws={'shrink':0.9},ax=ax,annot=True,annot_kws={'fontsize':12})

 

plot_corr_map(df)