python編程分析了一下高考那些事，發現了兩個之最，原來是這樣

Python（發音：英[?pa?θ?n]，美[?pa?θɑ:n]），是一種面向對象、直譯式電腦編程語言，也是一種功能強大的通用型語言，已經具備近二十年的發展歷史，成熟且穩定。它包含了一組完善並且容易理解的標準庫，可以輕鬆完成不少常見的任務。它的語法很是簡捷和清晰，與其它大多數程序設計語言不同，它使用縮進來定義語句。

Python支持命令式程序設計、面向對象程序設計、函數式編程、面向切面編程、泛型編程多種編程範式。與Scheme、Ruby、Perl、Tcl等動態語言同樣，Python具有垃圾回收功能，可以自動管理存儲器使用。它常常被看成腳本語言用於處理系統管理任務和網絡程序編寫，然而它也很是適合完成各類高級任務。Python虛擬機自己幾乎能夠在全部的做業系統中運行。使用一些諸如py2exe、PyPy、PyInstaller之類的工具能夠將Python源代碼轉換成能夠脫離Python解釋器運行的程序。

代碼：

這是自1977年恢復高考以來到2017年的高考報考及錄取數據。篇幅所限，省略了部分數據。爲了直觀展現，對錄取率作了尺度上的變換。2000年之後，最難（錄取率最低）的一年高考是2007年，錄取率只有56%，但這也已經比上世紀八九十年代只有百分之二三十的錄取率高得多。整體來講，上大學的確是愈來愈容易了。而數據上看，03年也沒有想象中那麼糟糕。

從圖上能夠看出，每一年的報考人數也有不小的波動。我去找了歷年的人口統計數據，與報考人數作了個對比：

教育普及率相比較二三十年前大有提升，加之人口增加放緩，愈來愈多的人能夠接受更高程度的教育。不過從比例上能夠推斷出，上大學仍然不是件人人能夠享受獲得的事情。

看了時間上的分佈，那麼地域上呢？相較總體的錄取率，人們爭議更多的仍是不一樣地區高考以前的差別。

首先看下2018年各省的報名狀況：

代碼：

data_prov_ad = [('湖南', 11.2), ('江西', 10.4), ('安徽', 14.2), ..., ('浙江', 14)]geo = Map("2017各省一本錄取率")attr, value = geo.cast(data_prov_ad)geo.add("", attr, value, visual_range=[8, 20], is_visualmap=True, is_map_symbol_show=False)geo.render()

最難的三個地區：河南7.8%，廣西8.44%，山西9.8%

錄取率最高的三個地區：北京30.5%，天津24.1%，上海21.8%

（缺海南數據）

而江蘇去年的12.1%還排不進top10。

從我的角度來看，不要執着於絕對的公平；但從整個社會來看，咱們應該讓每一個人擁有更加公平的機會。相信在不久以後，報名數和錄取數的曲線會愈來愈近，錄取率分佈圖上的顏色也愈來愈趨向一致。

 

Python能夠作什麼？

web開發和 爬蟲是比較適合 零基礎的

自動化運維 運維開發 和 自動化測試 是適合 已經在作運維和測試的人員

大數據 數據分析 這方面 是很須要專業的 專業性相對而言比較強

科學計算 通常都是科研人員 在用

機器學習 和 人工智能 首先 學歷 要求高 其次 高數要求高 難度很大

我有一個微信公衆號，常常會分享一些python技術相關的乾貨；若是你喜歡個人分享，能夠用微信搜索「python語言學習」關注 歡迎你們加入千人交流答疑裙：699+749+852