延期一个月之后，今天，1071万考生终于走入考场。

这届高考太难了，不仅考学生，更是考验疫情的防控能力。

但是说到难，2018年浙江省教育厅的一个决定，让不少人感叹真难！

原来早在2017年底，就有消息称浙江省信息技术课程改革方案已经出台，确定将Python纳入浙江省信息技术高考！

纳尼？Python纳入高考？为什么？怎么考？想想都很难！

经了解，才明白，原来是纳入高考选考！

虽然是选考，但是看看现在市面上涌现了那么多少儿编程培训机构，可见编程越来越向低龄人群进军。

可以预见，编程正像当年的英语，是顺应了时代需求发展起来的，未来全民必备的能力！

我们不妨思考一下，当Python遇上高考后，会发生什么？

考题会是什么样？

未来，Python全面被纳入高考的那一天，我们的考题也会变成这样：

问题1：下面代码中func1(a)的结果是：

def func1(a):
    sums = sum(map(lambda x: x + 1, a[-3:]))
    return sums

a = [1,2,3,5,4,1,5]
func1(a)

A 9
B 13
C 10

问题2：有如下两个列表：

list1 = [(2),(0),(1),(8) ]
list2 = [(2,),(0,),(1,),(8,)]

那么，type(list1[0])和type(list2[0])分别是：

A int tuple
B int int
C tuple tuple

问题3：下面代码中func2(a)的结果是：

def func2(a):
    b = {}
    b = b.fromkeys(a)
    return (len(b.keys()))

a = [1,2,4,2,4,1,6,5,2,3,1]
print (func2(a))

A 11
B 6
C 5

问题4：定义如下的字符串和列表：

a = 'I love PythonSomething!'
b = 'I love PythonSomething!'
c = [1, 2, 3]
d = [1, 2, 3]

那么，a is b和c is d的结果分别是：

A False True
B True True
C True False

问题5：下面代码的输出结果为：

import copy
a = [2,[0,1],8]
b = copy.copy(a)
a[1].append(3)
print(b)
c = copy.deepcopy(a)
a[1].append(4)
print (c)

A [2, [0, 1, 3], 8]
  [2, [0, 1, 3], 8]
B [2, [0, 1, 3], 8]
  [2, [0, 1, 4], 8]
C [2, [0, 1, 4], 8]
  [2, [0, 1, 4], 8]

问题6：下面代码中f3的输出结果为：

def append_list(val, list=[]):
    list.append(val)
    return list

f1 = append_list(1)
f2 = append_list(2, [])
f3 = append_list('Python')

A [1, 'Python']
B ['Python']
C [1, 2, 'Python']

问题7：下面代码中 func3() + func4()的结果为：

x = 10

def func3():
    x = 3
    return x**2

def func4():
    return x + 5

func3() + func4()

A 24
B 21
C 115

问题8：下面代码中stu2.score的结果为：

class Student:
    score = []

stu1 = Student()
stu2 = Student()
stu1.score.append(99)
stu1.score.append(96)
stu2.score.append(98)

A [99, 96, 98]
B [98]
C [99, 98]

问题9：二分查找是非常经典的算法。已经有如下定义，请完善代码，实现二分查找算法：

def binary_search(list, item):
    '''
    :param list: 列表
    :param item: 要查找的元素
    :return: item在list中的索引，若不在list中返回None
    '''

问题10：爬虫是Python的一大应用方向。请通过Python抓取猫眼电影或者豆瓣电影评分前100的电影信息。

怎么样？这些考题你是否能Hold住？ 

预测分数和录取情况

就手上有的数据，以本次山东模拟考的成绩进行深入数据分析，用python可视化带大家模拟一下2020高考分数和录取情况。

（代码较长，故只展示部分）

不同考生成绩分布图：

首先对山东新高考模拟考的成绩进行总体描述：

fig = make_subplots(rows=4,cols=2, #4行2列
                    subplot_titles=('所有考生',"物理", "历史", "化学", "地理", "生物", "政治"),
                   specs=[[{'colspan': 2},None],[{},{}],[{},{}],[{},{}],
                         ])  #specs参数定义了如何分配视图区间， 本案例中的“specs=[[{}, {}],[{'colspan': 2},None]]”表示其他行的两个子图平均分配区间， 第一行的第一个子图占据 2列的区间， 并且不存在第二个子图

fig.add_trace(go.Scatter(
    x = raw_data['分数段'], 
    y = raw_data['所有考生本段人数'],
    fill = 'tozeroy',
    mode = 'lines',    
    marker = dict(
        size = 8,
        color =   'rgb(88, 182, 192)'
     )),
    row=1, col=1,
    )

#保存图片
img_file = os.path.join(img_dir, 'img1.svg')
fig.write_image(img_file, scale=1)
fig.show()

选考物理、化学、生物的学生的成绩呈正态分布，大多数学生的成绩集中于中间，成绩两端学生的人数分布较少。

而选考文科类（历史、地理、政治）学科的学生的成绩呈偏态分布，一段线以下的人数占比较大，尤其历史和地理学科上这种趋势更加明显。

本科上线率：

通过计算各科所有选择的人中有多少人的总分在一段线以上，发现，选考物理的学生的上线率最高，达到了67%，而选考历史的学生的上线率较低，只有37%。

选考科目情况：

#所有考生的科目选择情况
sum_people = raw_data['所有考生累计人数'].iloc[-1]
subj_select = []
subj_name = ['物理','化学','生物','历史','地理','政治']
subj_select_percent = pd.DataFrame(index = subj_name,columns=['比例'])
for i in subj_name:
    singel_subj = raw_data['选考'+i+'累计人数'].iloc[-1]
    singel_percent = round(singel_subj/sum_people,4)*100
    subj_select.append(singel_percent)
    subj_select_percent.loc[i, '比例'] = singel_percent

在此次模拟中，分数在150分以上的考生共有489567人，其中选考地理的人数最多，选考比率为63.6%，选考政治的人数最少，选考比率只有34.31%，而备受大家关注的选考物理的比率为41.59%。

需要注意的是，山东2020年高考的正式选科时间是5.25-29，而模拟考的时间在1月，因此上述数据只能作为学生选科的重要参考。

双一流高校录取情况分析：

我们统计了近三年双一流高校在山东的理工类专业录取最低分，位次靠前的依次是北京大学，复旦大学，上海交通大学，浙江大学，中国科学技术大学。

我们统计了近三年双一流高校在山东的文史类专业录取最低分，位次靠前的依次是清华大学，北京大学，上海交通大学，复旦大学，中国人民大学。

双一流高校专业录取情况分析：

#南丁格尔图
pie_Nightingale(sci_top10['专业'].values.tolist(),
                sci_top10['频数'].values.tolist(),
                '录取最低分排名\n前10的理工类专业', 
                '理科专业top10.html')

我们统计了双一流高校录取最低分所对应的专业频次，结果发现，理工类专业中工科实验班的出现频次最高，双一流高校中有25个学校的录取最低分所对应的专业是工科实验班。

我们同样统计了双一流高录取最低分所对应的文史类专业的频次，结果发现，文史类专业中日语出现的频次最高，双一流高校中有25个学校的录取最低分对应的专业是日语。

怎么样？是不是很有参考价值。

告诉你高考为什么这么难？

我们首先看下1977-2018年历年的录取人数和未录取（落榜）人数变化情况，本文数据均来自于网络公开高考数据：

可以看到1977年恢复高考之后的几年，由于种种原因，高考人数到达了一个比较高的点，随后有所下降。

到2000年之后，高考的人数有了进一步的提升，录取人数也随之大幅提升，2008、2009达到了顶峰（此时心疼自己1秒），2010年之后参与高考的人数趋于平稳。

通过上图也可以发现，早期的高考难度之高，未录取人数是录取人数的数倍之多，而且早期的高考实际上在开始之前有预选的过程，能够参加高考的考生实际上已经经过了一轮大浪淘沙的过程。

随着教育改革，越来越多的考生有机会通过高考接受更进一步的教育。

我们通过下面的百分比图，对于录取率的变化进一步加深认知：

看到这不禁对老爸发出由衷的赞叹，作者参与高考时的录取率已经是老爸参加时的数倍之多，相较于老爸那个时候的“千军万马过独木桥”，作者过的独木桥已经要宽敞了好多。

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 = '年份',measure.vars = c('录取','未录取'),
variable.name='录取情况', value.name='人数(万)')
ggplot(data_year,aes(x=年份,y=`人数(万)`,fill=录取情况))+
      geom_area(position = 'stack')+
      ggtitle('历年高考人数统计(1977-2018)')+ theme_wsj()+ 
      theme(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(),
            legend.position = 'top',
            legend.title = element_blank(),
            legend.text = element_text(size=15),
            panel.background = element_blank(),
            axis.line = element_blank(),
            axis.ticks = element_blank()
            )+xlim(1977,2018)

说到这，似乎大家会认为现在的高考并不困难，录取率已经到达了8成左右，通过高考已经成了家常便饭，如果你真的这样认为，想太多了。

我们下面就进一步去分析高考数据，为大家列举横亘在高考生面前的三座大山：

三座“大山”

名校录取率

前面我们提到的录取率有了显著的提升，然而录取率实际上是包括了所有的录取情况，同时包含了本科以及专科的录取情况。

真正的“211”，“985”名校的竞争实际上还是异常激烈的，特别是在一些处于“地狱模式”的高考省份（由于没有在网上找到海南省的相关数据，我们选取了其他三十个省份、直辖市的数据）：

下面就为大家对比各个省份2018年的985、211录取率：

可以看到，不同省份的985和211录取率有着比较明显的差距，12个省份的985录取率低于1.5%，安徽，河南，江苏和贵州更是低于1.2%，作为山东考生的作者也不由得表示“自愧不如”。

即使是录取率最高的省份，985和211的录取率也只是5.8%和13.9%，结合现在各大企业在招人要求中对985和211的要求，高考真的并没有真的变得简单。

高考人数

除了名校录取率低之外，高考人数之多也是横亘在考生面前需要跨过的一个挑战。

由于参与高考人数非常多，对于考试精细度就有了非常高的要求，可能一个细节的失误就会在全省的排名中下降非常多。

同样，我们看下各省2018年参与高考的人数：

河南省2018年的高考人数达到了86.5万，86.5万这个数据也超过了世界上接近2/3的国家人口数量。广东、山东、四川三个省的高考人数也超过了50万。

由于参与高考的人数众多，这些省的高考几乎都是“肉搏战”。

高考题目难

除了名校录取率低，竞争人数多，另一个让广大考生为之“折服”的就是那些难度大到放飞自我的题目。

其中一个省份的题目难度几乎是所有考生公认的最高，那就是江苏省，包括小编所在山东省在内的很多其他省的老师，都会告诉学生不需要关注江苏的历年题目，因为本省的考试题目不会那么难。

除了题目难度大，江苏高考改革的力度和速度也是冠绝全国，我们整理了一份江苏省2000年以来的历年高考改革的路线图：

看到这些模式的名称，可能大家已经有些眩晕，也深切体会到能从江苏高考中杀出重围的都是勇士。

既然已经眩晕，不如就眩晕到底，下面是一道江苏省高考的真题，自行体验难度：

数学、物理这种大杀器都无需出场，只需一道作文题在作者这种“语文天残”看来就已经slay全场。

前面我们说了那么多高考的困难之处，是不是考生们真的就手足无措了呢，实际上并不是，只需要手握一些高考专属“杀器”就可以迎刃而解（以上纯属虚构）

高考“杀器”

五年高考三年模拟

此杀器的使用方法无需赘述，只需把其全部吃透，虽然这也不表示高考就一定会有好成绩。希望各位考生努力复习，切勿如同书名一样“五年高考，三年模拟”。

葛老师

葛老师乃高考中的超级大杀器，其威力可以参考下图，正所谓人不在江湖，但江湖上始终流传着他的传说：

由于葛老师过于强大，切勿幻想能将葛老师像“五年高考、三年模拟“那样吃透之后融会贯通，最好的方法就是“走为上计”，B站上的广大考生已经开始通过弹幕进行了实践：

虽然我们前面假想了各种Python与高考碰撞出的火花，但是实际上，不管是Python，还是高考，都是为我们的人生创造机遇的！

最后祝愿广大考生都能够放平心态，在高考中发挥所学，不留遗憾！

*注：本文部分图片来源于互联网，仅供学习、交流使用。不具有任何商业用途，若有侵权，请联系删除。

  推荐阅读  

北京大学出版社

《Python 3.x网络爬虫从零基础到项目实战》

▼