高考哪年最难？众说纷纭不如用Python分析出哪一年最难

偏执的太偏执、 2023-10-05 08:41 7阅读 0赞

2020年高考已经落下帷幕了，各省高考成绩较前几年有较大幅度上涨，部分省份甚至700分都无缘“清北”，看的小编一头冷汗，庆幸生对了年代。

网络上关于哪年高考难度最大的争议从未中断：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center]

于是我决定用python对2010年至2020年的高考数据进行分析，多角度分析得出全国卷最难的年份。

以某高考大省理科成绩为例，我从网络上爬取了从2010年至2020年之间的理科成绩数据，存入csv文件中待用

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center 1]

下面从3个角度进行分析

### 角度1：一本线排名 ###

用pyecharts画出历年一本线柱状图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center 2]

从图中可以看出，2011年一本线为最高582分，2017年为最低484分。

一本线的高低在一定程度上能够映出当年高考的难度，但受招生人数、报考人数等因素影响，单单从这一角度考虑不够充分。

代码：

bar = (  
Bar()  
.add\_xaxis(list(range(2010,2021)))  
.add\_yaxis(series\_name=“历年一本线排名”, yaxis\_data=eve\_scores\_line, yaxis\_index=0, color=colors\[0\])  
.set\_series\_opts(  
label\_opts=opts.LabelOpts(is\_show=True),  
markline\_opts=opts.MarkLineOpts(  
data=\[  
opts.MarkLineItem(type\_=“min”, name=“最小值”),  
opts.MarkLineItem(type\_=“max”, name=“最大值”),  
opts.MarkLineItem(type\_=“average”, name=“平均值”),  
\]  
),  
colors=Faker.rand\_color()  
)  
.set\_global\_opts(  
xaxis\_opts=opts.AxisOpts(name=“年份”,axisline\_opts=opts.AxisLineOpts(  
linestyle\_opts=opts.LineStyleOpts(color=colors\[1\]))),  
yaxis\_opts=opts.AxisOpts(  
name=“分数”,  
type\_=“value”,  
min\_=400,  
max\_=600,  
position=“left”,  
axisline\_opts=opts.AxisLineOpts(  
linestyle\_opts=opts.LineStyleOpts(color=colors\[2\])  
),  
axislabel\_opts=opts.LabelOpts(formatter="\{value\}"),  
axistick\_opts=opts.AxisTickOpts(is\_show=True),  
splitline\_opts=opts.SplitLineOpts(is\_show=True),  
),  
tooltip\_opts=opts.TooltipOpts(trigger=“axis”, axis\_pointer\_type=“cross”),  
)  
.render(“每年一本线.html”)

### 分析角度2：各分数段人数占比 ###

统计每年各分数段人数占比，画出时间轴饼状图，如下图：

貌似不够直观

我们再来统计一下历年600至700分人数占比情况，并画出折线图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center 3]

从图中可以看出，600分至700分的人数，2020年占比最高，达9.71%；2013年占比最低，为0.71%，差距高达10余倍。

代码如下：

for i in range(2010,2021):    
    a=data[data['年份'].eq(i)]    
    a=a[a['成绩'].ge(200)]    
    a = a[a['成绩'].le(700)]    
    sum_students = max(list(a['排名']))    
    dict={
        '200-300':0, '300-400':0, '400-500':0, '500-600':0, '600-700':0}    
    for j in range(200,700,100):        
    stmp = a[a['成绩'].ge(j)]        
    stmp = stmp[stmp['成绩'].le(j+100)]        
    renshu=int(list(stmp['排名'])[-1])-int(list(stmp['排名'])[0])        
    dict['{0}-{1}'.format(j,j+100)]=round(float(renshu/sum_students)*100,2)    
    data_eve_years.append(dict)attr = Faker.choose()tl = Timeline()
    for i,j in zip(range(2010, 2021),data_eve_years):    
    pie = (        Pie()        .add(            "",            
    [list(z) for z in zip(list(j.keys()), [j[k] for k in list(j.keys())])],            
    rosetype="radius",            
    radius=["30%", "55%"],        )        .set_global_opts(title_opts=opts.TitleOpts("{}年各分数段人数占比".format(i)))        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))    )    
    tl.add(pie, "{}年".format(i))tl.render("timeline_pie.html")c = (    Line()        
    .add_xaxis(xaxis_data=['{0}年'.format(i) for i in list(range(2010, 2021))])        
    .add_yaxis(        series_name="历年600-700分人数占比情况",        
    y_axis=[i['600-700'] for i in data_eve_years])        
    .set_global_opts(            xaxis_opts=opts.AxisOpts(name="年份",axisline_opts=opts.AxisLineOpts(                    linestyle_opts=opts.LineStyleOpts(color='r'))),            
    yaxis_opts=opts.AxisOpts(                name="占比",                type_="value",                position="left",                axislabel_opts=opts.LabelOpts(formatter="{value}%"),                
    axistick_opts=opts.AxisTickOpts(is_show=True),                
    splitline_opts=opts.SplitLineOpts(is_show=True),            ),                
    tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),    )    
    .render("600-700占比折线图.html"))

### 分析角度3：平均分排名 ###

从前开始，对前1、2、3、4万名的成绩求平均分，画出折线图:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center 4]

从折线图可以看出，2013年平均分最低。  
代码：

c = (
        Line()
        .add_xaxis(xaxis_data=['{0}年'.format(i) for i in list(range(2010,2021))])
        .add_yaxis(
            series_name="前1万名",
            y_axis=result[0],
        )
        .add_yaxis(
            series_name="前2万名",
            y_axis=result[1],
        )
        .add_yaxis(
            series_name="前3万名",
            y_axis=result[2],
        )
        .add_yaxis(
            series_name="前4万名",
            y_axis=result[3],
        )
        .set_global_opts(
                xaxis_opts=opts.AxisOpts(name="年份",axisline_opts=opts.AxisLineOpts(
                        linestyle_opts=opts.LineStyleOpts(color='r'))),
                yaxis_opts=opts.AxisOpts(
                    name="分数",
                    type_="value",
                    min_=500,
                    max_=700,
                    position="left",
                    axislabel_opts=opts.LabelOpts(formatter="{value}"),
                    axistick_opts=opts.AxisTickOpts(is_show=True),
                    splitline_opts=opts.SplitLineOpts(is_show=True),
                ),
                    tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        )
        .render("折线图.html")
    )
    
    从折线图可以看出，2013年平均分最低。
    
    代码：
    
    
    c = (
        Line()
        .add_xaxis(xaxis_data=['{0}年'.format(i) for i in list(range(2010,2021))])
        .add_yaxis(
            series_name="前1万名",
            y_axis=result[0],
        )
        .add_yaxis(
            series_name="前2万名",
            y_axis=result[1],
        )
        .add_yaxis(
            series_name="前3万名",
            y_axis=result[2],
        )
        .add_yaxis(
            series_name="前4万名",
            y_axis=result[3],
        )
        .set_global_opts(
                xaxis_opts=opts.AxisOpts(name="年份",axisline_opts=opts.AxisLineOpts(
                        linestyle_opts=opts.LineStyleOpts(color='r'))),
                yaxis_opts=opts.AxisOpts(
                    name="分数",
                    type_="value",
                    min_=500,
                    max_=700,
                    position="left",
                    axislabel_opts=opts.LabelOpts(formatter="{value}"),
                    axistick_opts=opts.AxisTickOpts(is_show=True),
                    splitline_opts=opts.SplitLineOpts(is_show=True),
                ),
                    tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        )
        .render("折线图.html")
    )

综上所述，2013年全国卷高考应该是最难的。  
源码及表格数据由于篇幅限制，没放在文内。有兴趣的朋友需要的话，请回复“高考”获取。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20200818170001201.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20200818170031840.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20200818170042527.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20200818170057200.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE_size_16_color_FFFFFF_t_70_pic_center 4]: https://img-blog.csdnimg.cn/20200818170120130.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJvaWR5dWV4aWE=,size_16,color_FFFFFF,t_70#pic_center