一．主题阐述 PAGEREF _Toc13647 \h 5

1.1研究背景 5

1.2研究目的 5

1.3研究方法 5

1.4辅助工具 6

二．可视化过程 PAGEREF _Toc31615 \h 6

2.1数据搜集 6

2.2数据加载和清洗 8

2.3 各类学校数目折线图 10

2.4 各类学校数和任职教师数关系图 14

2.5在校学生数与升学率关系图。 17

三．结论与建议 PAGEREF _Toc24084 \h 19

附录I 代码 PAGEREF _Toc19327 \h 20

一．主题阐述

1.1研究背景

我国的高等教育自改革开放以来取得举世瞩目成就，但仍然面临许多问题与挑战。首先，我国高等教育虽然进入大众化阶段，但是高等教育发展水平与发展区域分配不平衡。由于我国发展历史及自然环境等因素，东部地区是最早开始改革开放的地区，经济发展程度位于全国一流，高等教育发展水平也最高，而西部地区的高等教育水平则相对落后，总体上我国东、中、西部地区的高等教育优质资源的分配程度差距较大，这也在一定程度上造成了中、西部地区的经济发展较为滞后。

1.2研究目的

重庆作为西部地区门户，如果出现教育的发展停滞将严重影响经济社会发展，那么探究重庆市的教育发展程度很有必要。

1.3研究方法

本文将从重庆市的办学规模和教师规模以及教育成果等角度进行横向和纵向的对比分析，并使用四种类型的图表可视化：Line，Bar,Pie，Overlap，Page。

1.4辅助工具

Pycharm结合pyecharts。

二．可视化过程

2.1数据搜集

资料来源于重庆统计局发布的年鉴，从中选取了4个教育方面的 数据文件。数据样式如下图：

2.2数据加载和清洗

第一个文件的读取情况：命名为schools，该表统计了重庆每年各类学校总的数目。可以看到有缺失值，考虑到年代原因，缺失情况应为0值缺失，统一使用fillna（0）填充缺失值。

第二个文件读取情况:命名为teachers，该表统计了重庆每年各类学校任职教师的数目。异常原因也是具有空值，空值原因考虑到是时代原因造成，故仍采用fillna（0）填充。

第三个文件读取情况:命名为Promotion_Rate，涉及升学率的数据。

第四个文件读取操作:命名为students，只截取关于在校学生数（每十万人口学生数）的数据。原数据用pandas读取后不好操作，故对excel的数据进行了重新编排。

2.3 各类学校数目折线图

通过可视化可知重庆开设最多的是小学，但随着时代的推进，数目大幅下降，2016年下降速度放缓至100所/年，2020年仅存2754所。但这不意味着小学的教育不被重视，反而小学发展是开始集中资源，逐渐淘汰掉办学差的学校。后面将结合教师数佐证猜想，毕竟淘汰掉更多的小学，而学生数目增多的情况下，剩下的优质学校应会开设更多班级，那么教师的需求应上

升。

其中特殊教育类学校和幼儿园类在1979年以前都是0所，但需求量最大的是幼儿园，2000年以后学前教育继续较快发展，幼儿园数稳步快速增加。特殊教育类学校经历爆发后趋于稳定。

中学的开设数与小学类似。

高等教育规模呈现稳步发展态势。

从办学规模来看仅有幼儿园，特殊教育学校，大学开设所数增加，小学，中学开设数目下降。这是否意味着我市教育体系在走下坡路，或是教育体系结构在不断优化。那让我们通过教师数来分析论证。

2.4 各类学校数和任职教师数关系图

全部叠加在一起给人一种杂乱无章的感觉，所以先将学校类型和相应教师两两分析。

幼儿园教师数大多时候都是随着幼儿园所数增长，发展迅速，在2020年规模达到5万。

小学数虽在下降，但教师规模一直居高不下，在2020年规模达到13万，说明办学规模没有缩减，只是精简办学机构数，验证前文猜想。

中学的办学模式与小学相似，但教学水平更高的中学发展教师规模增长迅速，规模达12万。若简单的以教师数和学校数相除来决定教育资源的集中度，那么中学的教育资源集中度大于小学。

大学在教育体系中办学难度最高，发展也是十分迅速，办学规模达到68所，教师规模在2020年接近5万，与幼儿园的规模相比可见大学的教育资源集中度更高。

特殊教育类的办学比较特殊，规模比不上其它性质的学校，但发展也是稳步增长。

综合来说，我市教育发展迅速，各层次的教育都均衡发展，如果简单的把教师规模和开办学校数结合看，那么教育资源的集中度排列为，大学>中学>小学>幼儿园，可知这是一个很合理的排列。

2.5在校学生数与升学率关系图。

首先我们看一看国家统计局发布的《中国儿童发展纲要(2011—2020年)》终期统计监测报告(以下简称报告)。报告显示，2020年，全国学前教育毛入园率为85.2%，全国九年义务教育巩固率为95.2%，全国高中阶段毛入学率为91.2%。

可视化的结果说明我市九年义务教育入学率不断得到巩固，高达99%。虽然高中阶段（职高和普高）的毛入学率也接近99%，结合在读学生数也可发现我市九年义务教育发展是跟上了国家的要求的，并且超越了国家的要求。

奇怪的是普通高中的升学率下降了1个百分点，但查看了一下国家政策，发现这不属于教育下滑，因为教育部早在2020年就发布通知，要将中考升学率下降到50%，预计2023年全面实施！可知，这是要贯彻“因材施教”的政策，再查看其它省的初升高升学率可知，重庆的普高升学率是处于中等水平，真正可怕的是高等教育的升学率2019年49%，2020年达到53%，这数据低于教育部的报告：2020年全国高等教育毛入学率54.4%。

1. 结论与建议

本文的分析比较片面，因为数据源能得到的信息不足，所以论证的角度偏少，但还是能得知重庆市的教育发展迅速，紧跟国家水平。但可察知，重庆市的职业教育发展缓慢，得到关注度较少，这样的教育发展也是失衡的，多少是违背了“因材施教”的准则，在内卷的社会里，减轻内卷不一定非要“双减”，开办特色的职业学校，培养的人才也能促进社会发展。如重庆万州开办的烤鱼学院，促进当地烤鱼业发展，使传统技艺发扬。

1. 结论与建议

本文的分析比较片面，因为数据源能得到的信息不足，所以论证的角度偏少，但还是能得知重庆市的教育发展迅速，紧跟国家水平。但可察知，重庆市的职业教育发展缓慢，得到关注度较少，这样的教育发展也是失衡的，多少是违背了“因材施教”的准则，在内卷的社会里，减轻内卷不一定非要“双减”，开办特色的职业学校，培养的人才也能促进社会发展。如重庆万州开办的烤鱼学院，促进当地烤鱼业发展，使传统技艺发扬。san三。。.\、、

#导入可视化工具包 import pandas as pd import numpy as np from pyecharts.charts import Line,Bar,Pie,Page import pyecharts.options as opts from pyecharts.globals import ThemeType pd.set_option('display.max_rows', 500) pd.set_option('display.max_columns', 100) pd.set_option('display.width', 1000) schools = pd.read_excel(r'18-01.xls',skiprows=4,skipfooter=6 ,names=['年 份','大学','中学','小学','特殊教育学校','幼儿园'] ) schools=schools.fillna(0) #print(schools) teachers =pd.read_excel(r'18-03.xls',skiprows=5 ,names=['年 份','高校教师数','中学教师数','小学教师数','特教教师数','幼师数'] ) teachers=teachers.fillna(0) #print(teachers) Promotion_Rate=pd.read_excel(r'18-07.xls',skiprows=3) #print(Promotion_Rate) students =pd.read_excel(r'18-06.xls',skiprows=153,names=['高等教育','高中阶段','初中阶段','小学','幼儿园']).round() #print(students) def make_line(l,l1,l2,l3,l4,l5,l1_name,l2_name,l3_name,l4_name,l5_name): line=( Line(init_opts=opts.InitOpts(theme=ThemeType.CHALK))\ .add_xaxis(l)\ .add_yaxis(l1_name,l1,is_connect_nones=True)\ .add_yaxis(l2_name,l2,is_connect_nones=True)\ .add_yaxis(l3_name,l3,is_connect_nones=True)\ .add_yaxis(l4_name,l4,is_connect_nones=True)\ .add_yaxis(l5_name,l5,is_connect_nones=True) .set_global_opts(title_opts=opts.TitleOpts(title="1952-2020年重庆各类学校数折线图" ,subtitle="姓名:文浩 学号:2019443928",pos_left='10%'), legend_opts=opts.LegendOpts(pos_right='30%',pos_top='5%') ) .set_series_opts(label_opts=opts.LabelOpts(font_size=8)) ) return line l= schools['年 份'].astype("str").to_list() l1 =schools['大学'].to_list() l1_name = "大学" l2 =schools['中学'].to_list() l2_name = "中学" l3 =schools['小学'].to_list() l3_name = "小学" l4 =schools['特殊教育学校'].to_list() l4_name = "特殊教育学校" l5 =schools['幼儿园'].to_list() l5_name = '幼儿园' make_line(l,l1,l2,l3,l4,l5,l1_name,l2_name,l3_name,l4_name,l5_name).render("make_line.html") def make_overlap(): bar=( Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) .add_xaxis(b) .add_yaxis(b1_name, b1) \ .add_yaxis(b2_name, b2) \ .add_yaxis(b3_name, b3) \ .add_yaxis(b4_name, b4) \ .add_yaxis(b5_name, b5)\ .extend_axis(yaxis=opts.AxisOpts( axislabel_opts=opts.LabelOpts(formatter="{value} 所")) ) .set_global_opts(title_opts=opts.TitleOpts(title="1952-2020年重庆各类学校数和任职教师数" , subtitle="姓名:文浩 学号:2019443928", pos_left='5%'), yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value}人") ), legend_opts=opts.LegendOpts(pos_left='15%', pos_top='8%') ) .set_series_opts(label_opts=opts.LabelOpts(formatter='{@[1]}人',font_size=8)) ) line=(Line()\ .add_xaxis(l)\ .add_yaxis(l1_name,l1,yaxis_index=1)\ .add_yaxis(l2_name,l2,yaxis_index=1)\ .add_yaxis(l3_name,l3,yaxis_index=1)\ .add_yaxis(l4_name,l4,yaxis_index=1)\ .add_yaxis(l5_name,l5,yaxis_index=1) .set_series_opts(label_opts=opts.LabelOpts(formatter='{@[1]}所', font_size=8)) ) return bar.overlap(line) b = teachers['年 份'].astype("str").to_list() b1 =teachers['高校教师数'].to_list() b1_name = "高校教师数" b2 =teachers['中学教师数'].to_list() b2_name ="中学教师数" b3 =teachers['小学教师数'].to_list() b3_name ="小学教师数" b4 =teachers['特教教师数'].to_list() b4_name ="特教教师数" b5 =teachers['幼师数'].to_list() b5_name ="幼师数" make_overlap().render("make_overlap.html") def make_pie1(): pie1 = ( Pie() .add(series_name="2019年学生数饼状图" , data_pair=[list(z1) for z1 in zip(level,students_19)] ) .set_global_opts( title_opts=opts.TitleOpts("2019年在校学生数饼状图",) ,legend_opts=opts.LegendOpts(pos_bottom='4%') ) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%") ) ) return pie1 def make_pie2(): pie2 = ( Pie() .add(series_name="2020年学生数饼状图" , data_pair=[list(z2) for z2 in zip(level, students_20)] ) .set_global_opts( title_opts=opts.TitleOpts("2020年在校学生数饼状图"), legend_opts=opts.LegendOpts(pos_bottom='4%') ) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%") ) ) return pie2 def make_line(): line= (Line() \ .add_xaxis(pr) \ .add_yaxis(pr1_name, pr1) .add_yaxis(pr2_name, pr2) .add_yaxis(pr3_name, pr3) .add_yaxis(pr4_name, pr4) .add_yaxis(pr4_name, pr4) .add_yaxis(pr4_name, pr4) .add_yaxis(pr5_name, pr5) .add_yaxis(pr6_name, pr6) .add_yaxis(pr7_name, pr7) .set_global_opts(title_opts=opts.TitleOpts(title="2019-2020年重庆市不同教育阶段升学率" , subtitle="姓名:文浩 学号:2019443928", pos_left='10%'), legend_opts=opts.LegendOpts(pos_left='20%',pos_bottom='13%') ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False) ,linestyle_opts=opts.LineStyleOpts(width=3)) ) return line def make_page(): page=(Page(page_title="在校学生数与升学率关系图",layout=Page.DraggablePageLayout) .add(make_line() ,make_pie1() ,make_pie2() ) ) return page #在校学生数据 level=["高等教育","高中阶段","初中阶段" ,"小学","幼儿园"] students_19 =students.loc[2019,['高等教育','高中阶段','初中阶段','小学','幼儿园']].tolist() students_20 =students.loc[2020,['高等教育','高中阶段','初中阶段','小学','幼儿园']].tolist() #升学数据 pr = Promotion_Rate['年份'].astype("str").to_list() pr1 =Promotion_Rate['小学学龄儿童入学率'].to_list() pr1_name="小学学龄儿童入学率" pr2 =Promotion_Rate['小学毕业生升学率'].to_list() pr2_name="小学毕业生升学率" pr3 =Promotion_Rate['初中适龄人口入学率'].to_list() pr3_name="初中适龄人口入学率" pr4 =Promotion_Rate['初中毕业生升学率'].to_list() pr4_name="初中毕业生升学率" pr5 =Promotion_Rate['高中阶段毛入学率'].to_list() pr5_name="高中阶段毛入学率" pr6 =Promotion_Rate[' 升普通高中'].to_list() pr6_name ="升普通高中" pr7 =Promotion_Rate['高等教育毛入学率'].to_list() pr7_name ="高等教育毛入学率" make_page().render("page.html") # 使用配置文件生成新的HTML页面 html_page = Page.save_resize_html(source='page.html',cfg_file='page2.json',dest='page2.html')

]\

\

\（）#TOC一．主题阐述[](