python编程分析了一下高考那些事，发现了两个之最，原来是这样

Python（发音：英[?pa?θ?n]，美[?pa?θɑ:n]），是一种面向对象、直译式电脑编程语言，也是一种功能强大的通用型语言，已经具备近二十年的发展历史，成熟且稳定。它包含了一组完善并且容易理解的标准库，可以轻松完成不少常见的任务。它的语法很是简捷和清晰，与其它大多数程序设计语言不同，它使用缩进来定义语句。

Python支持命令式程序设计、面向对象程序设计、函数式编程、面向切面编程、泛型编程多种编程范式。与Scheme、Ruby、Perl、Tcl等动态语言同样，Python具有垃圾回收功能，可以自动管理存储器使用。它常常被看成脚本语言用于处理系统管理任务和网络程序编写，然而它也很是适合完成各类高级任务。Python虚拟机自己几乎能够在全部的做业系统中运行。使用一些诸如py2exe、PyPy、PyInstaller之类的工具能够将Python源代码转换成能够脱离Python解释器运行的程序。

代码：

这是自1977年恢复高考以来到2017年的高考报考及录取数据。篇幅所限，省略了部分数据。为了直观展现，对录取率作了尺度上的变换。2000年之后，最难（录取率最低）的一年高考是2007年，录取率只有56%，但这也已经比上世纪八九十年代只有百分之二三十的录取率高得多。整体来讲，上大学的确是愈来愈容易了。而数据上看，03年也没有想象中那么糟糕。

从图上能够看出，每一年的报考人数也有不小的波动。我去找了历年的人口统计数据，与报考人数作了个对比：

教育普及率相比较二三十年前大有提升，加之人口增加放缓，愈来愈多的人能够接受更高程度的教育。不过从比例上能够推断出，上大学仍然不是件人人能够享受获得的事情。

看了时间上的分布，那么地域上呢？相较总体的录取率，人们争议更多的仍是不一样地区高考以前的差别。

首先看下2018年各省的报名状况：

代码：

data_prov_ad = [('湖南', 11.2), ('江西', 10.4), ('安徽', 14.2), ..., ('浙江', 14)]geo = Map("2017各省一本录取率")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()

最难的三个地区：河南7.8%，广西8.44%，山西9.8%

录取率最高的三个地区：北京30.5%，天津24.1%，上海21.8%

（缺海南数据）

而江苏去年的12.1%还排不进top10。

从我的角度来看，不要执着于绝对的公平；但从整个社会来看，咱们应该让每一个人拥有更加公平的机会。相信在不久以后，报名数和录取数的曲线会愈来愈近，录取率分布图上的颜色也愈来愈趋向一致。

 

Python能够作什么？

web开发和 爬虫是比较适合 零基础的

自动化运维 运维开发 和 自动化测试 是适合 已经在作运维和测试的人员

大数据 数据分析 这方面 是很须要专业的 专业性相对而言比较强

科学计算 通常都是科研人员 在用

机器学习 和 人工智能 首先 学历 要求高 其次 高数要求高 难度很大

我有一个微信公众号，常常会分享一些python技术相关的干货；若是你喜欢个人分享，能够用微信搜索“python语言学习”关注 欢迎你们加入千人交流答疑裙：699+749+852