与网络工程学院085405软件工程报录数据分析报告(初试+复试+.docx

研究报告

PAGE

1-

与网络工程学院085405软件工程报录数据分析报告(初试+复试+

一、数据来源与处理

1.1数据来源说明

(1)本报告的数据来源于网络工程学院085405软件工程专业的官方公告、招生简章、历年录取名单以及公开的招生数据。这些数据涵盖了从2018年至2022年的报名人数、初试分数线、复试分数线、初试和复试成绩、录取名单等信息。为了保证数据的准确性和可靠性，我们对原始数据进行了仔细的核对和整理，确保了数据的完整性。

(2)在数据收集过程中，我们使用了多种方法，包括网络爬虫技术获取官方网站数据、手动收集招生简章和录取名单以及通过电子邮件联系学院获取未公开的数据。对于无法通过网络获取的数据，我们通过电话和邮件与学院招生办公室进行了沟通，以获取最准确的信息。

(3)为了确保数据的真实性和有效性，我们对收集到的数据进行了一系列的清洗和校对工作。首先，我们检查了数据的格式和一致性，确保不同年份的数据格式相同，便于后续分析。其次，我们对数据进行交叉验证，通过不同渠道获取的数据进行比对，以排除错误和遗漏。最后，我们对数据进行统计分析，通过计算平均值、标准差等统计量，对数据进行了初步的评估。

1.2数据处理方法

(1)在数据处理过程中，我们采用了Python编程语言和Pandas、NumPy等数据分析库，对原始数据进行清洗和转换。首先，通过Pandas库对数据进行读取和初步筛选，去除重复和异常数据。接着，使用NumPy库进行数据类型的转换，确保所有数据均为数值型，便于后续的数学运算和分析。

(2)对于缺失数据的处理，我们采用了多种方法。对于连续型变量，我们使用了均值、中位数或众数填充缺失值；对于分类变量，我们则使用众数或通过逻辑回归模型预测缺失值。此外，对于数据中的异常值，我们通过Z-Score方法识别并进行了剔除，以避免异常值对分析结果的影响。

(3)在数据整理阶段，我们对原始数据进行了一系列的统计描述，包括计算了均值、标准差、最小值、最大值、方差等统计量，以了解数据的整体分布情况。同时，我们绘制了直方图、箱线图等图表，对数据的分布、集中趋势和离散程度进行了可视化分析。通过这些方法，我们为后续的数据建模和分析奠定了基础。

1.3数据预处理步骤

(1)首先，我们对数据进行了初步的检查，包括数据文件的完整性、数据格式的统一性以及数据内容的基本一致性。这一步骤的目的是确保后续处理的基础数据是可靠的。我们检查了数据中的缺失值、异常值以及格式错误，并记录了这些问题。

(2)接着，我们针对数据中的缺失值进行了处理。对于数值型数据，我们采用了均值或中位数填充缺失值的方法；对于分类数据，我们使用众数填充或通过决策树等机器学习方法预测缺失值。同时，对于关键性缺失数据，我们通过插值或基于其他相关变量估算缺失值。

(3)为了消除数据中的异常值，我们采用了Z-Score方法。通过计算每个数据点的Z-Score，我们识别出那些距离平均值过远的异常值，并将其剔除。此外，我们还对数据进行了标准化处理，通过缩放和移位将数据转换为均值为0，标准差为1的分布，以便于后续的统计分析。在预处理的最后，我们对数据进行整理，确保所有数据符合分析要求，并按照分析目的进行了必要的分类和分组。

二、初试数据分析

2.1初试报名人数分析

(1)从2018年至2022年，网络工程学院085405软件工程专业的初试报名人数呈现出逐年上升的趋势。2018年的报名人数为150人，而到了2022年，这一数字已经增长至300人。这一增长趋势可能与软件工程专业的市场需求增加以及学生对该专业兴趣的提升有关。

(2)在报名人数的构成上，男性考生占据了绝大多数，比例通常在80%以上。女性考生比例相对较低，但近年来也有小幅增长。从地域分布来看，报名考生主要来自全国各地，其中以东部沿海地区和一线城市的学生比例较高。

(3)分析报名人数的年度变化趋势，我们可以发现，每年的报名人数波动不大，但整体呈上升趋势。在2019年和2020年，由于疫情的影响，报名人数有所下降，但随后迅速恢复并继续增长。这表明，尽管外部环境有所变化，但软件工程专业的吸引力并未减弱，报名人数的增长反映了市场对该专业人才的需求持续增长。

2.2初试分数线分析

(1)网络工程学院085405软件工程专业的初试分数线在近年来有所波动，但整体呈上升趋势。2018年的初试分数线为总分240分，而到了2022年，这一分数线已经上升至250分。这种上升趋势可能与报名人数的增加以及专业竞争的加剧有关。

(2)分数线的年度变化也反映了不同年份的考试难度和考生整体水平。例如，在2020年，由于疫情导致的在线考试可能影响了考试难度和考生的表现，导致分数线相对2019年有所下降。而在2021年和2022年，