2018研究生数学建模成绩分析

2018第十五届全国研究生数学建模竞赛完整赛题下载
<https://download.csdn.net/download/csdn_wujian/10784801>
2018研究生数学建模成绩分析，主要从以下几个方面进行分析
建模成绩数据来源：2018研究生数学建模成绩汇总
<https://download.csdn.net/download/csdn_wujian/10778154>

1. 按‘队长所在单位’统计每个学校的获奖数量，并画出柱状图展示
这里是代码的头部
#coding:utf-8 import numpy as np import pandas as pd import matplotlib.pyplot
as plt import seaborn as sns from geopy.geocoders.baidu import Baidu import os
import time sns.set(style="whitegrid") plt.rcParams['font.sans-serif'] =
['SimHei'] # 设置字体为黑体 plt.rcParams['axes.unicode_minus'] = False #
解决中文字体负号显示不正常问题 path='../data/' save_dir='../tmp/'
data=pd.read_excel(path+'2018建模成绩汇总.xlsx') data['奖项']=data['奖项'].apply(lambda
x:'一等奖'if x=='一等奖（华为）' else x) # 按'队长所在单位'分别统计获奖数量 def school_cnt(df):
school_cnt_df=df[df['奖项']!='成功参与奖'][['奖项','队长所在单位']].groupby(['队长所在单位','奖项']).size().unstack()
school_cnt_df['获奖数量']=school_cnt_df[['一等奖','二等奖','三等奖']].sum(axis=1)
school_cnt_df.sort_values(by=['获奖数量','一等奖','二等奖','三等奖'],axis=0,ascending =
False,inplace=True) school_cnt_df=school_cnt_df[['一等奖','二等奖','三等奖','获奖数量']]
school_cnt_df=school_cnt_df.reset_index().rename(columns={'队长所在单位':'学校名称'})
print(school_cnt_df.head(5)) #
school_cnt_df.to_excel(path+'school_cnt.xlsx',encoding='gbk') #
用柱状图给出获奖数量最多的前20个学校 plt.figure(figsize=(15,
10)).subplotpars.update(bottom=0.25) sns.barplot(x="学校名称", y="获奖数量",
data=school_cnt_df.loc[0:20], palette="muted") plt.xticks(ha='right',
rotation=40) plt.savefig(path+'school_cnt.png') plt.show()
用柱状图给出获奖数量最多的前20个学校

2. 按每个学校获奖人数进行统计，并画出柱状图进行展示
# 统计每个学校的获奖人数 # 思路1：使用双层字典嵌套逐个统计 # 思路2：groupby def team_member_cnt(df):
team_leader_cnt_df=df[['奖项','队长所在单位']].groupby(['队长所在单位','奖项']).size().unstack()
team_member_df=team_leader_cnt_df[['一等奖','二等奖','三等奖']]
team_member_cnt_df1=df[['奖项','第一队友所在单位']].groupby(['第一队友所在单位','奖项']).size().unstack()
team_member_df=team_member_df.join(team_member_cnt_df1[['一等奖','二等奖','三等奖']],how='outer',rsuffix='_2')
team_member_cnt_df2=df[['奖项','第二队友所在单位']].groupby(['第二队友所在单位','奖项']).size().unstack()
team_member_df=team_member_df.join(team_member_cnt_df2[['一等奖','二等奖','三等奖']],how='outer',rsuffix='_3')
team_member_df.rename(columns={'一等奖':'一等奖_1','二等奖':'二等奖_1','三等奖':'三等奖_1'},inplace=True)
team_member_df['获奖总人数']=team_member_df.sum(axis=1)
sort_cols=['获奖总人数','一等奖_1','一等奖_2','一等奖_3','二等奖_1','二等奖_2','二等奖_3','三等奖_1','三等奖_2','三等奖_3']
team_member_df.sort_values(by=sort_cols,ascending=False,inplace=True)
team_member_df=team_member_df.reset_index().rename(columns={'index':'学校名称'})
print(team_member_df.head())
team_member_df.to_excel(path+'各学校获奖人数统计.xlsx',encoding='gbk',index=False) #
用柱状图给出获奖人数最多的前20个学校 plt.figure(figsize=(15,
10)).subplotpars.update(bottom=0.25) sns.barplot(x="学校名称", y="获奖总人数",
data=team_member_df.loc[0:20], palette="muted") plt.xticks(ha='right',
rotation=40) plt.savefig(path+'school_cnt_amount.png') plt.show()
temp_df=data[data['奖项']!='成功参与奖'][['奖项','队长所在单位','第一队友所在单位','第二队友所在单位']] if
__name__=="__main__": school_cnt(data) team_member_cnt(temp_df)
统计每个学校的获奖人数用柱状图展示

统计各个学校各个名次及次序的获奖人数信息如下：


3. 分析A、B、C、D、E、F每个题的获奖数量及占比
# 分析A、B、C、D、E、F每个题的获奖数量及占比 def get_question_prize_ration(df):
question_df=df[['队伍编号','题号']].groupby(['题号']).count()
question_df=question_df.reset_index().rename(columns={'index':'题号','队伍编号':'获奖数量'})
# prize_sum=question_df['获奖数量'].sum()
question_df['获奖比例']=question_df['获奖数量']/(question_df['获奖数量'].sum())
print(question_df)
question_df.to_excel(save_dir+'每题获奖数量比例.xlsx',index=False,encoding='gbk')
plt.figure(figsize=(12,6)) N,width=6,0.35 ind=np.arange(N) plt.subplot(121)
plt.title('A、B、C、D、E、F每个题的获奖数量') plt.bar(ind,question_df['获奖数量'],width=width)
plt.ylabel('获奖数量') plt.xticks(ind,('A','B','C','D','E','F')) plt.subplot(122)
plt.title('A、B、C、D、E、F题获奖比例')
plt.pie(question_df['获奖比例'],labels=('A','B','C','D','E','F'),startangle=0,radius=0.8,labeldistance=0.5)
plt.savefig(save_dir+'每个题的获奖数量和比例.png') plt.show()


4. 计算A、B、C、D、E、F每个题获奖人数与参与人数之比，并用饼图展示
类比第3问（作者太懒,见谅）

5. 按地图省份绘制每个省的参与人数热力图
类比第6问（作者太懒，见谅）

6. 按地图省份绘制每个省份的获奖人数热力图
# 按地图省份绘制每个省份的获奖人数热力图 # 调用百度地图API获取每个学校的经纬度信息 def get_school_info(): df =
pd.read_excel(save_dir+'各学校获奖人数统计.xlsx',encoding='gbk') lng_set = [] lat_set=[]
for school in df['学校名称']: print(school) try: location =
geolocator.geocode(school, timeout=300) lng_lat=location.raw['location']
lng,lat=lng_lat['lng'],lng_lat['lat'] print(lng,lat) lng_set.append(lng)
lat_set.append(lat) except Exception as e: print(e) time.sleep(5)
lng_set.append(np.nan) lat_set.append(np.nan) df['lng']=lng_set
df['lat']=lat_set df=df[['学校名称','获奖总人数','lng','lat']]
df.to_excel(save_dir+'school_loc_prize_nums.xlsx',encoding='gbk',
index=False,float_format='%.6f') print(df.head()) # 绘制热力地图 def
draw_heatmap(input_path,out_path): df=pd.read_excel(input_path,encoding='gbk')
df=df[df['lng']>0] rows=df.shape[0] fout=open(out_path,'w',encoding="utf-8")
fout.write( '''<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <meta
http-equiv="X-UA-Compatible" content="IE=edge"> <meta name="viewport"
content="initial-scale=1.0, user-scalable=no, width=device-width">
<title>2018研究生建模成绩地理位置分析</title> <link rel="stylesheet"
href="http://cache.amap.com/lbs/static/main1119.css"/> <script
src="http://webapi.amap.com/maps?v=1.3&key=your-personal-key"></script> <script
type="text/javascript"
src="http://cache.amap.com/lbs/static/addToolbar.js"></script> <script
type="text/javascript"
src="http://a.amap.com/jsapi_demos/static/resource/heatmapData.js"></script>
</head> <body> <div id="container"> </div> <div class="button-group"> <input
type="button" class="button" value="显示热力图" onclick="heatmap.show()"/> <input
type="button" class="button" value="关闭热力图" onclick="heatmap.hide()"/> </div>
<script> var map = new AMap.Map("container", { resizeEnable:false, center:
[121.5197936,31.2874348], zoom: 7 }); if (!isSupportCanvas()) {
alert('热力图仅对支持canvas的浏览器适用,您所使用的浏览器不能使用热力图功能,请换个浏览器试试~') }''' )
fout.write("\n\t\t var points = [\n") for i in range(0,rows-1):
fout.write("\t\t\t{'lat':%f,'lng':%f,'count':%d},\n"%(df.iat[i,3],df.iat[i,2],df.iat[i,1]))
fout.write("\t\t\t{'lat':%f,'lng':%f,'count':%d}];"%(df.iat[-1,3],df.iat[-1,2],df.iat[-1,1]))
fout.write( ''' //详细的参数,可以查看heatmap.js的文档
http://www.patrick-wied.at/static/heatmapjs/docs.html //参数说明如下: /* visible
热力图是否显示,默认为true * opacity 热力图的透明度,分别对应heatmap.js的minOpacity和maxOpacity * radius
势力图的每个点的半径大小 * gradient {JSON} 热力图的渐变区间 . gradient如下所示 * { .2:'rgb(0, 255,
255)', .5:'rgb(0, 110, 255)', .8:'rgb(100, 0, 255)' } 其中 key 表示插值的位置, 0-1 value
为颜色值 */ var heatmap; map.plugin(["AMap.Heatmap"], function() { //初始化heatmap对象
heatmap = new AMap.Heatmap(map, { radius: 15, //给定半径 opacity: [0, 0.8]
/*,gradient:{ 0.5: 'blue', 0.65: 'rgb(117,211,248)', 0.7: 'rgb(0, 255, 0)',
0.9: '#ffea00', 1.0: 'red' }*/ }); //设置数据集 heatmap.setDataSet({ data: points,
max: 5 }); }); //判断浏览区是否支持canvas function isSupportCanvas() { var elem =
document.createElement('canvas'); return !!(elem.getContext &&
elem.getContext('2d')); } </script> </body> </html> ''' ) fout.close()


从热力图可以看出：上海地区是参加研究生数学建模的主力军，也是获奖最多的地区，其中有一个最主要的原因：上海高校多，研究生建模获奖在落沪打分
时可以加不少的分数（一等奖：+10分，二等奖：+8分，三等奖：+6分）。

这里是整个分析代码的主函数（尾部）
if __name__=="__main__": school_cnt(data)
temp_df=data[data['奖项']!='成功参与奖'][['奖项','队长所在单位','第一队友所在单位','第二队友所在单位']]
team_member_cnt(temp_df) prize_df=data[data['奖项']!='成功参与奖']
get_question_prize_ration(prize_df) # 此处需要替换成你自己的百度地图api_key，去百度地图上申请吧 api_key
= 'your-personal-key' geolocator = Baidu(api_key=api_key) get_school_info()
input_path=save_dir+'school_loc_prize_nums.xlsx'
out_path=save_dir+'heat_map.html' draw_heatmap(input_path,out_path)
7. 总结分析
放上一些中间过程的统计表格：




分析：

（1）随着上海落沪打分的发展，上海地区的高校参与研究生数学建模的积极性很高，积极性高于全国其他地区，获奖比例也是最高的。正常情况下参加研究生数学建建模获奖了，基本上就满足了落沪的基本要求72分，（一等奖：+10分，二等奖：+8分，三等奖：+6分，且不分个人在队伍中的排名次序）。
（2）在参与的学校中，同济大学的获奖数量是最多的，数学实力很强！

（3）2018年A、B、C、D、E、F题中，C题是关于恐怖袭击事件量化分析，主要是处理数据，进行分析，容易入手，参与的人数也是做多的，获奖数量也是占到总奖数的45%左右。这也逐渐向大数据的方向发展。
（4）获奖带来的喜悦，是4天零4小时辛苦付出所换来的。不论如何，参与过得都知道过程中的辛苦，熬夜爆肝。

记于：2018年11月14日
附上研究生数学建模感想–心路历程 <https://blog.csdn.net/CSDN_wujian/article/details/84070296>

• « 上一篇：Ubuntu部署基于Fabric的虚拟区块链服务
• » 下一篇：人工智能与面相分析