前言嗨嘍，大家好呀~這里是愛(ài)看美女的茜茜吶
代碼提供者：青燈教育-巳月 知識(shí)點(diǎn):
準(zhǔn)備工作下面的盡量跟我保持一致哦~不然有可能會(huì)發(fā)生報(bào)錯(cuò) ?? 開(kāi)發(fā)環(huán)境:
如果安裝python第三方模塊:win + R 輸入 cmd 點(diǎn)擊確定, 輸入安裝命令 pip install 模塊名 (pip install requests) 回車 在pycharm中點(diǎn)擊Terminal(終端) 輸入安裝命令
如何配置pycharm里面的python解釋器?選擇file(文件) >>> setting(設(shè)置) >>> Project(項(xiàng)目) >>> python interpreter(python解釋器) 點(diǎn)擊齒輪, 選擇add 添加python安裝路徑
pycharm如何安裝插件?選擇file(文件) >>> setting(設(shè)置) >>> Plugins(插件) 點(diǎn)擊 Marketplace 輸入想要安裝的插件名字 比如:翻譯插件 輸入 translation / 漢化插件 輸入 Chinese 選擇相應(yīng)的插件點(diǎn)擊 install(安裝) 即可 安裝成功之后 是會(huì)彈出 重啟pycharm的選項(xiàng) 點(diǎn)擊確定, 重啟即可生效
代碼采集排名數(shù)據(jù)import requests
import re
import csv
def replace(str_):
str_ = re.findall('<div class="td-wrap"><div class="td-wrap-in">(.*?)</div></div>', str_)[0] return str_
with open('rank.csv', mode='a', encoding='utf-8', newline='') as f:
csv_writer = csv.writer(f)
csv_writer.writerow(['country', 'rank', 'region', 'score_1', 'score_2', 'score_3', 'score_4', 'score_5', 'score_6', 'stars', 'total_score', 'university', 'year'])
url = 'https://www./sites/default/files/qs-rankings-data/cn/2057712_indicators.txt'response = requests.get(url=url)
json_data = response.json()
data = json_data['data']for i in data:
country = i['location'] # 國(guó)家/地區(qū)
rank = i['overall_rank'] # 排名
region = i['region'] # 大洲
score_1 = replace(i['ind_76']) # 學(xué)術(shù)聲譽(yù)
score_2 = replace(i['ind_77']) # 雇主聲譽(yù)
score_3 = replace(i['ind_36']) # 師生比
score_4 = replace(i['ind_73']) # 教員引用率
score_5 = replace(i['ind_18']) # 國(guó)際教室
score_6 = replace(i['ind_14']) # 國(guó)際學(xué)生
stars = i['stars'] # 星級(jí)
total_score = replace(i['overall']) # 總分
university = i['uni'] # 大學(xué)
university = re.findall('<div class="td-wrap".*?class="uni-link">(.*?)</a></div></div>', university)[0]
year = "2021" # 年份
print(country, rank, region, score_1, score_2, score_3, score_4, score_5, score_6, stars, total_score, university, year) with open('rank.csv', mode='a', encoding='utf-8', newline='') as f:
csv_writer = csv.writer(f)
csv_writer.writerow([country, rank, region, score_1, score_2, score_3, score_4, score_5, score_6, stars, total_score, university, year])
數(shù)據(jù)分析代碼from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
from pyecharts.components import Table
import re
import pandas as pd
df = pd.read_csv('rank.csv')
# 香港，澳門與中國(guó)大陸地區(qū)等在榜單中是分開(kāi)的記錄的，這邊都?xì)w為china
df['loc'] = df['country']
df['country'].replace(['China (Mainland)', 'Hong Kong SAR', 'Taiwan', 'Macau SAR'],'China',inplace=True)
tool_js = """<div style="border-bottom: 1px solid rgba(255,255,255,.3); font-size: 18px;padding-bottom: 7px;margin-bottom: 7px">
{}
</div>
排名：{} <br>
國(guó)家地區(qū)：{} <br>
加權(quán)總分：{} <br>
國(guó)際學(xué)生：{} <br>
國(guó)際教師：{} <br>
師生比例：{} <br>
學(xué)術(shù)聲譽(yù)：{} <br>
雇主聲譽(yù)：{} <br>
教員引用率：{} <br>"""
t_data = df[(df.year==2021) & (df['rank']<=100)]t_data = t_data.sort_values(by="total_score" , ascending=True) university, score = [], []for idx, row in t_data.iterrows():
tjs = tool_js.format(row['university'], row['rank'], row['country'],row['total_score'],
row['score_6'],row['score_5'], row['score_3'],row['score_1'],row['score_2'], row['score_4']) if row['country'] == 'China':
university.append('???? {}'.format(re.sub('（.*?）', '',row['university']))) else:
university.append(re.sub('（.*?）', '',row['university'])) score.append(opts.BarItem(name='', value=row['total_score'], tooltip_opts=opts.TooltipOpts(formatter=tjs)))
### TOP 100高校
篇幅有限，這邊只展示TOP100的高校，完整的榜單可以通過(guò)附件下載查看～
* 排名第一的大學(xué)是麻省理工，在單項(xiàng)上除了**國(guó)際學(xué)生**和**教員引用率**其余都是100分；
* TOP4大學(xué)全部來(lái)自美國(guó)，除此之外是排名第五的牛津大學(xué)；
* **國(guó)內(nèi)排名最高的大學(xué)是清華大學(xué)，排名15**，其次是香港大學(xué)&北京大學(xué)；
bar = (Bar()
.add_xaxis(university)
.add_yaxis('', score, category_gap='30%')
.set_global_opts(title_opts=opts.TitleOpts(title="2021年世界大學(xué)排名（QS） TOP 100",
pos_left="center",
title_textstyle_opts=opts.TextStyleOpts(font_size=20)),
datazoom_opts=opts.DataZoomOpts(range_start=70, range_end=100, orient='vertical'),
visualmap_opts=opts.VisualMapOpts(is_show=False, max_=100, min_=60, dimension=0,
range_color=['#00FFFF', '#FF7F50']),
legend_opts=opts.LegendOpts(is_show=False),
xaxis_opts=opts.AxisOpts(is_show=False, is_scale=True),
yaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_show=False),
axisline_opts=opts.AxisLineOpts(is_show=False),
axislabel_opts=opts.LabelOpts(font_size=12)))
.set_series_opts(label_opts=opts.LabelOpts(is_show=True,
position='right',
font_style='italic'),
itemstyle_opts={"normal": {
"barBorderRadius": [30, 30, 30, 30],
'shadowBlur': 10,
'shadowColor': 'rgba(120, 36, 50, 0.5)',
'shadowOffsetY': 5,
}
}
).reversal_axis())
grid = (
Grid(init_opts=opts.InitOpts(theme='purple-passion', width='1000px', height='1200px'))
.add(bar, grid_opts=opts.GridOpts(pos_right='10%', pos_left='20%'))
)
grid.render_notebook()
tool_js = """<div style="border-bottom: 1px solid rgba(255,255,255,.3); font-size: 18px;padding-bottom: 7px;margin-bottom: 7px">
{}
</div>
世界排名：{} <br>
國(guó)家地區(qū)：{} <br>
加權(quán)總分：{} <br>
國(guó)際學(xué)生：{} <br>
國(guó)際教師：{} <br>
師生比例：{} <br>
學(xué)術(shù)聲譽(yù)：{} <br>
雇主聲譽(yù)：{} <br>
教員引用率：{} <br>"""
t_data = df[(df.country=='China') & (df['rank']<=500)]t_data = t_data.sort_values(by="total_score" , ascending=True) university, score = [], []for idx, row in t_data.iterrows():
tjs = tool_js.format(row['university'], row['rank'], row['country'],row['total_score'],
row['score_6'],row['score_5'], row['score_3'],row['score_1'],row['score_2'], row['score_4']) if row['country'] == 'China':
university.append('???? {}'.format(re.sub('（.*?）', '',row['university']))) else:
university.append(re.sub('（.*?）', '',row['university'])) score.append(opts.BarItem(name='', value=row['total_score'], tooltip_opts=opts.TooltipOpts(formatter=tjs)))
### 中國(guó)大學(xué)排名
因?yàn)樵?00名之后沒(méi)有具體的分值，所以這里只篩選了榜單TOP 500中的國(guó)內(nèi)高校；
* 在第一梯隊(duì)中，香港的高校占比很高，**TOP10中有4所來(lái)自香港**；
* 刨除香港的高校，**TOP5高校分別是清華，北大，復(fù)旦，上交，浙大**；
bar = (Bar()
.add_xaxis(university)
.add_yaxis('', score, category_gap='30%')
.set_global_opts(title_opts=opts.TitleOpts(title="TOP 500中的中國(guó)大學(xué)",
pos_left="center",
title_textstyle_opts=opts.TextStyleOpts(font_size=20)),
datazoom_opts=opts.DataZoomOpts(range_start=50, range_end=100, orient='vertical'),
visualmap_opts=opts.VisualMapOpts(is_show=False, max_=90, min_=20, dimension=0,
range_color=['#00FFFF', '#FF7F50']),
legend_opts=opts.LegendOpts(is_show=False),
xaxis_opts=opts.AxisOpts(is_show=False, is_scale=True),
yaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_show=False),
axisline_opts=opts.AxisLineOpts(is_show=False),
axislabel_opts=opts.LabelOpts(font_size=12)))
.set_series_opts(label_opts=opts.LabelOpts(is_show=True,
position='right',
font_style='italic'),
itemstyle_opts={"normal": {
"barBorderRadius": [30, 30, 30, 30],
'shadowBlur': 10,
'shadowColor': 'rgba(120, 36, 50, 0.5)',
'shadowOffsetY': 5,
}
}
).reversal_axis())
grid = (
Grid(init_opts=opts.InitOpts(theme='purple-passion', width='1000px', height='1200px'))
.add(bar, grid_opts=opts.GridOpts(pos_right='10%', pos_left='20%'))
)
grid.render_notebook()
### 按大洲分布
* TOP 1000高校中有**近40%是來(lái)自于歐洲**；
* 非洲僅有11所高校上榜；
t_data = df[(df.year==2021) & (df['rank']<=1000)]t_data = t_data.groupby(['region'])['university'].count().reset_index()t_data.columns = ['region', 'num']t_data = t_data.sort_values(by="num" , ascending=False) 軟件、解答、源碼、教程可以加Q群:832157862免費(fèi)獲取~bar = (Bar(init_opts=opts.InitOpts(theme='purple-passion', width='1000px', height='600px')) .add_xaxis(t_data['region'].tolist()) .add_yaxis('出現(xiàn)次數(shù)', t_data['num'].tolist(), category_gap='50%') .set_global_opts(title_opts=opts.TitleOpts(title="TOP 1000高校按大洲分布", pos_left="center", title_textstyle_opts=opts.TextStyleOpts(font_size=20)),
visualmap_opts=opts.VisualMapOpts(is_show=False, max_=300, min_=0, dimension=1,
range_color=['#00FFFF', '#FF7F50']), legend_opts=opts.LegendOpts(is_show=False),
xaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_show=False),
axisline_opts=opts.AxisLineOpts(is_show=False),
axislabel_opts=opts.LabelOpts(font_size=15)),
yaxis_opts=opts.AxisOpts(is_show=False))
.set_series_opts(label_opts=opts.LabelOpts(is_show=True,
position='top', font_size=15,
font_style='italic'), itemstyle_opts={"normal": {
"barBorderRadius": [30, 30, 30, 30],
'shadowBlur': 10,
'shadowColor': 'rgba(120, 36, 50, 0.5)',
'shadowOffsetY': 5,
}
}
))bar.render_notebook()
可視化效果(部分)
尾語(yǔ) ??感謝你觀看我的文章吶~本次航班到這里就結(jié)束啦 ?? 希望本篇文章有對(duì)你帶來(lái)幫助 ??，有學(xué)習(xí)到一點(diǎn)知識(shí)~ 躲起來(lái)的星星??也在努力發(fā)光，你也要努力加油（讓我們一起努力叭）。 最后，博主要一下你們的三連呀（點(diǎn)贊、評(píng)論、收藏），不要錢的還是可以搞一搞的嘛~ 不知道評(píng)論啥的，即使扣個(gè)6666也是對(duì)博主的鼓舞吖 ?? 感謝 ?? 
|
