洞察考生流向，助力地摊经济精准布局

1. 单击图标，创建SQL分析单元。

2. 运行如下语句，查看汇总表数据详情。

   示例SQL语句。

   SELECT * FROM "school" LIMIT 100;

   

基于高校汇总表，统计每个学校的计划数、分数线及位次，并按分数线降序排列，以便了解不同学校的录取分数和表现。

1. 单击图标，创建SQL分析单元。

2. 运行如下语句，查看各个学校的录取情况。

   示例SQL语句。

   SELECT 学校名称, SUM(计划数) AS 计划数, ROUND(AVG(分数线), 2) AS 分数线, ROUND(AVG(位次), 2) AS 位次, ANY_VALUE(省份) AS 省份, ANY_VALUE(城市) AS 城市 FROM school GROUP BY 学校名称 ORDER BY 分数线 DESC;

   

统计每个城市中学校的数量，以及分数线和位次的平均值，并按分数线降序排序，以便了解不同城市的教育水平。

1. 单击图标，创建SQL分析单元。

2. 运行如下语句，查看各个城市的教育水平。

   示例SQL语句。

   SELECT ANY_VALUE(省份) AS 省份, 城市, COUNT(*) AS 学校数量, ROUND(AVG(分数线), 2) AS 分数线, ROUND(AVG(位次), 2) AS 位次 FROM school GROUP BY 城市 ORDER BY 分数线 DESC;

   

分析操作

在报告编辑区域单击智能报告，选择数据源为查询结果集中的school（高校信息汇总表），使用自然语言描述您的需求并运行。

示例输入“分析下学生都被招到了哪些省份，以及地域是否影响高校的最低录取分数线”。

分析过程

智能分析接收到需求后，将自动为您设计报告结构、生成分析思路、执行分析操作、并总结分析结果。

示例生成的报告结构如下。生成的报告您可直接使用，也可基于该报告进行二次编辑。单击报考热度及差异.pdf，可查看完整的示例报告内容。

在智能分析的指引下，我们将通过如下步骤手动体验核心分析操作。

根据每所学校的所在省份及该省所有院校的总报名人数（即“计划数”之和），计算出各省内高校的整体受欢迎排序。

1. 查看各省的招生计划。

   单击图标，创建SQL分析单元，运行如下语句。查看各省的总计划数，并按总计划数降序排序，将结果表重命名为enrollment_plan。

   示例SQL语句。

   SELECT "省份", SUM("计划数") AS "总计划数" FROM school GROUP BY "省份" ORDER BY "总计划数" DESC;

   

2. 通过图表展示省份分布，观测主导地位占比。

   单击可视化 > 图表，创建图表分析单元，使用饼图展示各省份的总计划数占比。

根据上述分析可看出，参与统计的省份中，浙江、江苏、上海、江西、湖北等地对浙江考生的欢迎程度更高。

在该步骤，将按照省份分组后求取平均分数线，探索省份与平均分数线是否存在线性趋势，以此衡量地域是否会影响高校的录取分数线。分析过程使用SQL、Python，并结合图表进行可视化展示。

1. 查看各省份总平均分数线。

   单击图标，创建SQL分析单元，运行如下语句。查看各省份的总平均分数线，并按总平均分数线降序排序，将结果表重命名为score_line。

   示例SQL语句。

   SELECT "省份", AVG("分数线") AS 平均分数线 FROM school GROUP BY "省份";

   

2. 利用数学拟合趋势线，分析省份与招生标准的关联性。

   单击Python，创建Python分析单元，通过如下语句进行线性回归分析，探索省份与平均分数线是否存在线性趋势。

   示例Python代码。

   import nb_toolkit
   import pandas as pd
   import numpy as np
   from scipy.stats import linregress
   
   def true_value(x):
       return x.item() if type(x).__module__ == np.__name__ else x
   
   def linear(dimension, measure):
       '''
       返回measure在dimension上的线性拟合结果
           参数:
               dimension (numpy.ndarray): 有序型(数值、日期或可以排序的字符串)数组
               measure (numpy.ndarray): 数值数组
           返回值:
               线性拟合结果，格式如下：
               {
                   'type': 'TREND.LINEAR',
                   'r': 拟合结果r值
                   'slope': 拟合结果斜率,
                   'intercept': 拟合结果截距,
                   'se': 拟合结果标准差,
                   'p': 拟合结果显著性（零假设:斜率为零, 使用Wald检验且检验统计量服从t分布的）（当p值<0.05时拒绝零假设，表明斜率显著不为0）,
               }
           注:拟合时有序型dimension仅作为顺序参考,不考虑具体数值
       '''
   
       # 线性拟合 scikit——learn里面现成的, 但是数据格式要整理成(n_sample行,n_feature列, 显然我们就一个feature)
       # 该方法可以直接获得rsqured和斜率
   
       mask = np.ma.masked_not_equal(dimension, None).mask  # 排除None
   
       dimension_remain = dimension[mask]
   
       args = dimension_remain.argsort()
       X = measure[mask][args]  # 排序
       mask_valid = ~pd.isna(X)  # 排除NaN
       X_valid = (X[mask_valid]).astype(float)
       dimension_valid = dimension_remain[mask_valid]
       length_valid = len(dimension_valid)
   
       if length_valid < 3:
           return None
   
       slope, intercept, r, p, se = linregress(
           np.array(range(0, length_valid)), X_valid)
   
       slope = true_value(slope)
       intercept = true_value(intercept)
       p = true_value(p)
       se = true_value(se)
       r = true_value(r)
   
       return {
           'type': 'TREND.LINEAR',
           'r': r,
           'slope': slope,
           'intercept': intercept,
           'se': se,
           'p': p,
       }
   
   
   data = score_line.toDataFrame() if isinstance(score_line, nb_toolkit.view.View) else score_line
   dimension = np.array(data['省份'])
   measure = np.array(data['平均分数线'])
   result = linear(dimension, measure)
   print(result)

   说明

   • nb_toolkit：是一个Python工具库（例如，Notebook管理、版本控制、数据可视化），可在GitHub搜索。

   • Pandas：是一个Python数据分析库，主要用于数据操作和分析。

   • Numpy：提供了支持大型多维数组和矩阵的对象，主要用于高效的数值计算和数据分析。

   • scipy.stats.linregress：用于执行线性回归分析。

   

   示例返回结果。

   {'type': 'TREND.LINEAR', 'r': 0.09203176634665855, 'slope': 0.2510677358578127, 'intercept': 539.2637194982078, 'se': 0.4959586674633785, 'p': 0.6163973632699788}

   通过线性回归模型，对各省份的平均分数线进行了拟合，得到的趋势线斜率为正但非常小。尽管斜率显示存在轻微上升趋势，但由于其p值远大于0.05，表明地理因素对于解释各省间录取分数差异的作用并不明显。此结论有助于我们更客观地看待地域对学生升学难度的影响程度。

根据上述分析可看出，福建、海南、广西、江西、浙江等省份的总平均分数线相对较低，且地域对学生升学的影响不大。

结合AI分析及手动分析结果，我们可得出如下结论：

• 报考浙江、江苏、上海、江西、湖北、福建等省份的浙江考生居多。

• 省份和高校的平均录取分数线关系不是很大。

1. 编写分析操作介绍。

   单击文本 > Markdown，创建Markdown分析单元，输入如下内容。

   示例分析介绍。

   ## 3. 各地区人均消费支出
   
   根据居民人均消费支出情况，分析出哪个地区的经济发展水平及生活质量较高。

2. 计算各地区人均消费支出。

   单击图标，创建SQL分析单元，运行如下语句，计算各地区的居民人均消费支出，按照人均消费支出降序排序，并将结果表重命名为cost。

   示例SQL代码。

   SELECT 地区, SUM("2022年"+"2021年"+"2020年"+"2019年"/ 4) AS 人均消费支出 FROM "居民人均消费支出.csv" GROUP BY 地区 ORDER BY 人均消费支出 DESC;

   

1. 编写分析操作介绍。

   单击文本 > Markdown，创建Markdown分析单元，输入如下内容。

   示例分析介绍。

   ## 4. 各地区人均食品消费量
   
   根据居民人均食品消费支出情况，分析出哪个地区的居民更愿意为美食买单。

2. 计算各地区总食品平均消费量。

   单击图标，创建SQL分析单元，运行如下语句。计算各地区居民的总食品平均消费量，按照消费量降序排序，并将结果表重命名为food_like。

   示例SQL代码。

   SELECT 地区, SUM("2022年"+"2021年"+"2020年"+"2019年"/ 4) AS 食品平均消费量 FROM "居民主要食品消费量.csv" GROUP BY 地区 ORDER BY 食品平均消费量 DESC;

   

至此，您将结合学生报考热度及差异分析，和居民的食品消费情况，计算出地区的食品偏好指数，并基于分析结果预测收益更高的摆摊地区。

1. 计算食品偏好指数。

   单击图标，创建SQL分析单元，运行如下语句，计算各地区居民的食品偏好指数。

   说明

   您可通过如下计算公式，预估各地区的销售利润，利润较高的地区将被视为食品偏好指数较高。

   利润 = 小吃单位利润 * 销量 - 自身固定生活开支

   = （各省消费水平 / 2000） * （各省计划招生人数 / 10） * 食品平均消费量 / 500 - 消费水平 / 150

   • 各省消费水平 / 2000：预估的小吃单位利润。

   • 各省计划招生人数 / 10：预估的购买人数。

   • 食品平均消费量 / 500：预估的人均购买量。

   • 消费水平 / 150：预估的各省固定生活开支。

   计算公式中的各个数值，是基于本文分析情况预估的较为合理的数值，您也可按需调整数值大小。

   示例SQL代码。

   -- 计算每个地区的食品偏好指数
   SELECT cost.地区,
       ANY_VALUE(
           ((cost.人均消费支出 / 2000) *  -- 小吃单位利润
           (enrollment_plan.总计划数 / 10) *  -- 购买小吃的人数
           food_like.食品平均消费量 / 500 -  -- 每个人的购买量
           cost.人均消费支出 / 150)  -- 固定生活开支
           + 50000                 -- 调整参数，用于调整最终的指数结果
       ) AS 食品偏好指数
   FROM enrollment_plan
   JOIN
       cost
   ON 
       enrollment_plan.省份 = substr(cost.地区, 1, 2)
   JOIN 
       food_like 
   ON 
       enrollment_plan.省份 = substr(food_like.地区, 1, 2)
   GROUP BY 
       cost.地区
   ORDER BY 
       食品偏好指数 DESC;

   

2. 输出结论。

   单击文本 > Markdown，创建Markdown分析单元，输出分析结果。

   # 结论与价值
   
   基于计算出的地区食品偏好指数，我们可以看出，浙江、上海、江苏等省份均适合摆小吃摊。
   
   当然，本案例获取的仅是浙江省学生去其他省份的招生数据，未包含其他省份报考相应地区的人数及消费能力，相关结论存在一定局限性。仅供体验功能及参考。