利用python爬取数据(python爬取csdn)

高考用了42年

历年录取率是多少？

我们先看一下1977年至2018年录取人数和未录取（挂科）人数的变化。本文数据均来自网上公开高考数据：

可以看出，1977年恢复高考后的几年里，由于各种原因，参加高考的人数达到了一个较高点，然后有所下降。

2000年以后，参加高考的人数进一步增加，录取人数也大幅增加。它在2008年和2009年达到顶峰（此时我为自己感到难过）。2010年以后，参加高考的人数趋于稳定。

我们可以通过下面的百分比图进一步加深对录取率变化的了解：

看到这里，我不禁对父亲表示由衷的敬佩。提交人高考时的录取率是他父亲高考时的好几倍。与当时的“千军过独木桥”相比，作者曾说过独木桥已经宽得多了。

部分代码如下：

setwd(D:/爬虫/高考)

data=read_excel(历年录取率.xlsx)

data_year=melt(data,id.vars=year,measure.vars=c(录取，未录取),

variable.name=入场状态，value.name=人数(10,000))

ggplot(data_year,aes(x=年份，y=`人数(万)`,fill=录取情况))+

geom_area(位置=堆栈)+

ggtitle(历年高考人数(1977-2018))+theme_wsj()+

主题(axis.text.x=element_text(size=15),

axis.text.y=element_text(size=15),

axis.title=element_text(size=15),

plot.title=element_text(hjust=0.5,size=25,face=bold),

panel.grid=element_blank(),

图例.position=顶部，

legend.title=element_blank(),

图例.text=element_text(size=15),

panel.background=element_blank(),

axis.line=element_blank(),

axis.ticks=element_blank()

)+xlim(1977,2018)

说到这里，似乎大家都觉得现在的高考并不难，录取率已经达到了80%左右，高考通过已经成为家常便饭。如果你真的这么想，那你就想太多了。

我们再进一步分析一下高考数据，列出挡在高考学子面前的三座大山：

高考的三座“大山”

录取率低，人多，问题难

1、名校录取率

下面是2018年各省份985和211录取率对比：

可见，985和211在不同省份的录取率存在明显差距。12个省份的985录取率低于1.5%，安徽、河南、江苏、贵州甚至低于1.2%。笔者作为山东考生，也忍不住感到“羞愧”。

即使在录取率最高的省份，985和211的录取率也仅为5.8%和13.9%。结合目前各大公司985、211的招聘要求，高考并没有真正变得更容易。

2、高考学生人数

除了名校录取率低之外，高考生源众多也是考生需要克服的挑战。同样，我们看一下2018年各省参加高考的人数：

2018年河南省高考考生人数达86.5万人，超过世界近三分之二国家的人口。

广东、山东、四川等省高考考生也超过50万。由于参加高考的人数较多，这些省份的高考几乎都是“肉搏战”。

3、高考题难

几乎所有考生都认可题目难度最高的省份之一，那就是江苏省。很多其他省份的老师，包括小编所在的山东省，都会告诉学生，在江苏不需要关注以往的题，因为这个省的考试题目不会那么难。

除了题目难度之外，江苏高考改革的力度和速度也是全国最高的。我们编制了2000年以来江苏省高考改革的路线图：

下面是一道来自江苏省高考的真题。具体难度大家可以自己体会一下：

数学、物理之类的大武器不需要出现。在这位“语言神童”的作者眼中，仅仅一道论述题就足以秒杀全场。

*声明：本文整理自网络，版权归原作者所有。若来源信息不正确或侵权，请联系我们删除或授权。

觉得不错，点个“在看”然后转发出去