2022宁夏杯B题思路分析+代码（大学生就业问题分析）
2022寧夏杯B題完整題目：
鏈接：https://pan.baidu.com/s/1aClw5k-Ux-17rckTIRWrdg?pwd=1234
提取碼：1234
文章目錄
- 一、題目
- 二、數(shù)據(jù)預(yù)處理
- 三、第一問
- 1、方法一：繪制圖形
- 2、方法二：多元線性回歸
- 3、方法三：多因素方差分析
- 4、方法四：決策樹
- 四、第二問
- 1、回歸關(guān)系
- 2、薪水預(yù)測
- 五、第三問
一、題目
大學(xué)生就業(yè)問題一直是社會關(guān)注的焦點(diǎn)。據(jù)此前教育部新聞發(fā)布會通報(bào)， 2022 屆高校畢業(yè)生規(guī)模達(dá) 1076 萬人，首次突破 1000 萬人，規(guī)模和增量均創(chuàng)下 了歷史新高。同時(shí)受市場環(huán)境和疫情等因素的影響，就業(yè)壓力較大。大學(xué)生就業(yè) 呈現(xiàn)出哪些特征和趨勢呢？在眾多就業(yè)的學(xué)生中，是什么樣的因素決定了部分學(xué) 生在眾多的競爭中獲得了薪水不同的工作？這些因素可能包括大學(xué)的成績、本身 的技能、大學(xué)與工業(yè)中心的接近程度、擁有的專業(yè)化程度、特定行業(yè)的市場條件等。 據(jù)悉，印度共有 6214 所工程和技術(shù)院校，其中約有 290 萬名學(xué)生。每年平 均有 150 萬學(xué)生獲得工程學(xué)學(xué)位，但由于缺乏從事技術(shù)工作所需的技能，只有不 到 20% 的 學(xué) 生 在 其 核 心 領(lǐng) 域 找 到 工 作 。 附 件 （https://www.datafountain.cn/datasets/4955）給出了印度工程類專業(yè)畢業(yè)生就業(yè)的工資水平和各因素情況表。
根據(jù)附件數(shù)據(jù)結(jié)合其他資料研究：
(1) 分析影響高校工程類專業(yè)畢業(yè)生就業(yè)的主要因素。
(2) 根據(jù)附件一建立模型，刻畫工程類專業(yè)畢業(yè)生薪水和各因素的關(guān)系。
(3) 根據(jù)以上的分析，對我國高校工程類專業(yè)學(xué)生培養(yǎng)是否有一定的啟迪？ 如果有，請為你所在的高校寫一份咨詢建議。
| ID | 用于識別候選人的唯一ID |
| 薪金 | 向候選人提供的年度CTC（以INR為單位） |
| 性別 | 候選人的性別 |
| DOB | 候選人的出生日期 |
| 10％ | 在10年級考試中獲得的總成績 |
| 10board | 10年級時(shí)遵循其課程的校務(wù)委員會 |
| 12畢業(yè) | 畢業(yè)年份-高中 |
| 12％ | 在12年級考試中獲得的總成績 |
| 12board | 候選人遵循其課程的校務(wù)委員會 |
| CollegeID | 唯一ID，用于標(biāo)識候選人為其大學(xué)就讀的大學(xué)/學(xué)院 |
| CollegeTier | 每所大學(xué)都被標(biāo)注為1或2。標(biāo)注是根據(jù)該學(xué)院/大學(xué)學(xué)生獲得的平均AMCAT分?jǐn)?shù)計(jì)算得出的。平均分?jǐn)?shù)高于閾值的大學(xué)被標(biāo)記為1，其他被標(biāo)記為2。 |
| 學(xué)位 | 候選人獲得/追求的學(xué)位 |
| 專業(yè)化 | 候選人追求的專業(yè)化 |
| CollegeGPA | 畢業(yè)時(shí)的GPA總計(jì) |
| CollegeCityID | 唯一的ID，用于標(biāo)識學(xué)院所在的城市。 |
| CollegeCityTier | 學(xué)院所在城市的層。這是根據(jù)城市人口進(jìn)行注釋的。 |
| CollegeState | 學(xué)院所在州的名稱 |
| 畢業(yè)年份 | 畢業(yè)年份（學(xué)士學(xué)位） |
| 英語 | AMCAT英語部分中的分?jǐn)?shù) |
| 邏輯 | 在AMCAT邏輯能力部分中得分 |
| 數(shù)量 | 在AMCAT的“定量能力”部分中得分 |
| 域 | AMCAT域模塊中的分?jǐn)?shù) |
| ComputerProgramming | AMCAT的“計(jì)算機(jī)編程”部分中的得分 |
| ElectronicsAndSemicon | AMCAT的“電子和半導(dǎo)體工程”部分得分 |
| 計(jì)算機(jī)科學(xué) | 在AMCAT的“計(jì)算機(jī)科學(xué)”部分中得分 |
| MechanicalEngg | AMCAT機(jī)械工程部分中的得分 |
| ElectricalEngg | AMCAT的電氣工程部分中的得分 |
| TelecomEngg | AMCAT的“電信工程”部分中的得分 |
| CivilEngg | AMCAT的“土木工程”部分中的得分 |
| 盡職調(diào)查 | AMCAT人格測驗(yàn)之一的分?jǐn)?shù) |
| 一致性 | AMCAT人格測驗(yàn)之一的分?jǐn)?shù) |
| 外向性 | AMCAT人格測驗(yàn)之一的分?jǐn)?shù) |
| 營養(yǎng)療法 | AMCAT人格測驗(yàn)之一的分?jǐn)?shù) |
| 開放性到經(jīng)驗(yàn) | 分?jǐn)?shù)在AMCAT的個(gè)性測試的部分之一 |
二、數(shù)據(jù)預(yù)處理
- 目標(biāo)變量：Salary（薪資）。
- 自變量（特征變量）：除了Salary之外的其他變量。
描述性統(tǒng)計(jì)：可以看到每一列數(shù)據(jù)的數(shù)量，均值，最大最小值等信息
查看是否有缺失值：
data.isnull().sum()根據(jù)皮爾遜相關(guān)性繪制熱力圖
# seaborn中文亂碼解決方案 from matplotlib.font_manager import FontProperties myfont=FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf',size=40) sns.set(font=myfont.get_name(), color_codes=True)data_corr = data.corr(method="spearman")#計(jì)算相關(guān)性系數(shù) plt.figure(figsize=(20,15))#figsize可以規(guī)定熱力圖大小 fig=sns.heatmap(data_corr,annot=True,fmt='.2g')#annot為熱力圖上顯示數(shù)據(jù)；fmt='.2g'為數(shù)據(jù)保留兩位有效數(shù)字 figfig.get_figure().savefig('data_corr.png')#保留圖片下圖當(dāng)中，可以判斷各個(gè)特征之間是否有影響，如果系數(shù)越大，則變量之間相關(guān)性越強(qiáng)。
計(jì)算每個(gè)學(xué)生到現(xiàn)在為止的年齡：
data['Age']=((pd.to_datetime('today') - pd.to_datetime(list(data['DOB']))).days / 365).astype(int) # 到現(xiàn)在位置的年齡 data觀察數(shù)據(jù)發(fā)現(xiàn)，在AMCAT的某些課程當(dāng)中，由于許多同學(xué)沒有分?jǐn)?shù)，因此分?jǐn)?shù)顯示的是-1，所以為了進(jìn)行更好的預(yù)測，在數(shù)據(jù)清理的時(shí)候?qū)?-1 替換為總課程的平均值，以獲得更好的預(yù)測。
columns = ['ComputerProgramming','ElectronicsAndSemicon','ComputerScience','MechanicalEngg','ElectricalEngg','TelecomEngg','CivilEngg'] for col in columns:data[col] = data[col].replace({ -1 : np.nan})#先將-1填充為空值data[col] = data[col].fillna(data[col].mean()) #再將空值替換為平均值同時(shí)，將性別這列數(shù)字化：
data['Gender'] = data['Gender'].replace({'m': 0, 'f': 1}) data將以數(shù)字開頭的屬性類更改名字：
data.rename(columns ={'10percentage':'tenth_percentage','12percentage':'twelveth_percentage','10board':'tenth_board','12graduation':'twelveth_graduation','12board':'twelveth_board',}, inplace =True) data data.to_csv('finish.csv')三、第一問
分析影響高校工程類專業(yè)畢業(yè)生就業(yè)的主要因素。
根據(jù)前面的題目描述可知，我們需要使用薪水來作為就業(yè)情況的表示。
1、方法一：繪制圖形
這里選擇使用柱形圖
plt.style.use('ggplot') plt.bar(x.tenth_percentage,y,color ="red") plt.xlabel("10th_percantage")#在10年級考試中獲得的總成績 plt.ylabel("salary") plt.title("10th marks vs salary") plt.bar(x.twelveth_percentage,y,color ="blue") plt.xlabel("12th_percantage")#在12年級考試中獲得的總成績 plt.ylabel("salary") plt.title("12th marks vs salary") plt.scatter(x.CollegeTier,y,color ="pink") plt.xlabel("CollegeTier")#學(xué)院所在城市的層 plt.ylabel("salary") plt.title("CollegeTier vs salary") plt.bar(x.Logical,y,color ="red") plt.xlabel("Logical")#邏輯能力 plt.ylabel("salary") plt.title("Logical vs salary") plt.bar(x.TelecomEngg,y,color ="black") plt.xlabel("TelecomEngg")#電信工程得分 plt.ylabel("salary") plt.title("TelecomEngg vs salary") plt.bar(x.collegeGPA,y,color ="purple") plt.xlabel("collegeGPA")#畢業(yè)時(shí)的GPA總計(jì) plt.ylabel("salary") plt.title("collegeGPA vs salary") plt.figure(figsize = (15,8)) # 性格測試和薪水 sns.scatterplot(data.openess_to_experience, data.Salary, palette = 'inferno')2、方法二：多元線性回歸
由于多元線性回歸的自變量需要是數(shù)值類型，考慮把Degree，Specialization，CollegeState變成數(shù)值。
preprocessing.OrdinalEncoder：特征專用，能夠?qū)⒎诸愄卣鬓D(zhuǎn)換為分類數(shù)值
# 由于多元線性回歸的自變量需要是數(shù)值類型，考慮把Degree，Specialization，CollegeState變成數(shù)值。 # preprocessing.OrdinalEncoder：特征專用，能夠?qū)⒎诸愄卣鬓D(zhuǎn)換為分類數(shù)值 from sklearn.preprocessing import OrdinalEncoder data_=data.copy() data_ # 取出需要轉(zhuǎn)換的兩個(gè)字段 OrdinalEncoder().fit(data_[['Degree','Specialization','CollegeState']]).categories_ # 使用OrdinalEncoder將字符型變成數(shù)值 data_[['Degree','Specialization','CollegeState']]=OrdinalEncoder().fit_transform(data_[['Degree','Specialization','CollegeState']])
然后我們就開始生成多元線性模型，代碼如下：
在這個(gè)結(jié)果中，我們主要看“coef”、“t”和“P>|t|”這三列。coef就是前面說過的回歸系數(shù)，const這個(gè)值就是回歸常數(shù)，所以我們得到的這個(gè)回歸模型就是y = coef這列×\times×對應(yīng)的系數(shù)。
而“t”和“P>|t|”這兩列是等價(jià)的，使用時(shí)選擇其中一個(gè)就行，其主要用來判斷每個(gè)自變量和y的線性顯著關(guān)系。從圖中還可以看出，Prob (F-statistic)為1.40e-92，這個(gè)值就是我們常用的P值，其接近于零，說明我們的多元線性方程是顯著的，也就是y與自變量有著顯著的線性關(guān)系，而R-squared是0.161，也說明這個(gè)線性關(guān)系并不顯著。
理論上，這個(gè)多元線性方程已經(jīng)求出來了，但是效果一般，我們還是要進(jìn)行更深一步的探討。
前面說過，y與自變量有著顯著的線性關(guān)系，這里要注意所有的自變量被看作是一個(gè)整體，y與這個(gè)整體有顯著的線性關(guān)系，但不代表y與其中的每個(gè)自變量都有顯著的線性關(guān)系，我們在這里要找出那些與y的線性關(guān)系不顯著的自變量，然后把它們剔除，只留下關(guān)系顯著的。
我們可以通過圖中“P>|t|”這一列來判斷，這一列中我們可以選定一個(gè)閾值，比如統(tǒng)計(jì)學(xué)常用的就是0.05、0.02或0.01，這里我們就用0.05，凡是P>|t|這列中數(shù)值大于0.05的自變量，我們都把它剔除掉，這些就是和y線性關(guān)系不顯著的自變量，所以都舍去，請注意這里指的自變量不包括圖中const這個(gè)值。
但是這里有一個(gè)原則，就是一次只能剔除一個(gè)，剔除的這個(gè)往往是P值最大的那個(gè)，比如圖中P值最大的是GraduationYear，那么就把它剔除掉，然后再用剩下的自變量來重復(fù)上述建模過程，再找出P值最大的那個(gè)自變量，把它剔除，如此重復(fù)這個(gè)過程，直到所有P值都小于等于0.05，剩下的這些自變量就是我們需要的自變量，這些自變量和y的線性關(guān)系都比較顯著，我們要用這些自變量來進(jìn)行建模。
我們可以將上述過程寫成一個(gè)函數(shù)，命名為looper，代碼如下：
def looper(limit):cols = ['Gender', 'tenth_percentage', 'twelveth_graduation', 'twelveth_percentage', 'CollegeID', 'CollegeTier', 'Degree', 'Specialization', 'collegeGPA','CollegeCityID', 'CollegeCityTier', 'CollegeState', 'GraduationYear','English', 'Logical', 'Quant', 'Domain', 'ComputerProgramming','ElectronicsAndSemicon', 'ComputerScience', 'MechanicalEngg','ElectricalEngg', 'TelecomEngg', 'CivilEngg', 'conscientiousness','agreeableness', 'extraversion', 'nueroticism', 'openess_to_experience']for i in range(len(cols)):data1 = data_[cols]x = sm.add_constant(data1) #生成自變量y = data_['Salary'] #生成因變量model = sm.OLS(y, x) #生成模型result = model.fit() #模型擬合pvalues = result.pvalues #得到結(jié)果中所有P值pvalues.drop('const',inplace=True) #把const取得pmax = max(pvalues) #選出最大的P值if pmax>limit:ind = pvalues.idxmax() #找出最大P值的indexcols.remove(ind) #把這個(gè)index從cols中刪除else:return resultresult = looper(0.05) result.summary()由上圖的相關(guān)系數(shù)可以看出，薪水和twelveth_graduation，twelveth_percentage，CollegeTier，Degree，English，ComputerProgramming具有較強(qiáng)的相關(guān)性。
3、方法三：多因素方差分析
多因素方差分析，用于研究一個(gè)因變量是否受到多個(gè)自變量（也稱為因素）的影響，它檢驗(yàn)多個(gè)因素取值水平的不同組合之間，因變量的均值之間是否存在顯著的差異。多因素方差分析既可以分析單個(gè)因素的作用（主效應(yīng)），也可以分析因素之間的交互作用（交互效應(yīng)），還可以進(jìn)行協(xié)方差分析，以及各個(gè)因素變量與協(xié)變量的交互作用。
根據(jù)觀測變量（即因變量）的數(shù)目，可以把多因素方差分析分為：單變量多因素方差分析（也叫一元多因素方差分析）與多變量多因素方差分析（即多元多因素方差分析）。本案例是一元多因素方差分析。
這里使用SPSS進(jìn)行演示：
1、首先在文件選項(xiàng)卡當(dāng)中導(dǎo)入 finish.csv 數(shù)據(jù)：
2、分析-》 一般線性模型-》單變量
4、方法四：決策樹
使用機(jī)器學(xué)習(xí)算法，可以轉(zhuǎn)換成決策樹來得到特征重要性排名：
from sklearn import tree # 從sklearn中導(dǎo)入treefrom sklearn import datasets, model_selection # 從sklearn中導(dǎo)入datasets用于加載數(shù)據(jù)集，這里我們使用iris數(shù)據(jù)集 # 從sklearn中導(dǎo)入model_selection用戶劃分測試集和訓(xùn)練集合 feature_name = ['Gender', 'tenth_percentage', 'twelveth_graduation', 'twelveth_percentage', 'CollegeID', 'CollegeTier', 'Degree', 'Specialization', 'collegeGPA','CollegeCityID', 'CollegeCityTier', 'CollegeState', 'GraduationYear','English', 'Logical', 'Quant', 'Domain', 'ComputerProgramming','ElectronicsAndSemicon', 'ComputerScience', 'MechanicalEngg','ElectricalEngg', 'TelecomEngg', 'CivilEngg', 'conscientiousness','agreeableness', 'extraversion', 'nueroticism', 'openess_to_experience','Age'] X = data_[feature_name] Y = data_['Salary'] # 劃分訓(xùn)練集和測試集 8:2 x_train,x_test, y_train, y_text = model_selection.train_test_split(X, Y, test_size=0.2, random_state=0)# 創(chuàng)建一顆分類樹，默認(rèn)使用Gini classification_tree = tree.DecisionTreeClassifier() classification_tree.fit(x_train, y_train) # 輸出每個(gè)特征的重要性 [*zip(feature_name,classification_tree.feature_importances_)]
根據(jù)上面的數(shù)據(jù)就可以分析特征的重要性了。
四、第二問
根據(jù)附件一建立模型，刻畫工程類專業(yè)畢業(yè)生薪水和各因素的關(guān)系。
先畫一下薪水分布：
plt.figure(figsize = (12, 6))plt.subplot(121) # 薪水分布 plt.title('Salary Distribuition') sns.distplot(data['Salary'])plt.subplot(122) g1 = plt.scatter(range(data.shape[0]), np.sort(data.Salary.values)) # 薪水分布曲線 g1= plt.title("Salary Curve Distribuition", fontsize=15) g1 = plt.xlabel("") g1 = plt.ylabel("Salary", fontsize=12)plt.subplots_adjust(wspace = 0.3, hspace = 0.5,top = 0.9) plt.show()1、回歸關(guān)系
這里說的是各個(gè)因素，那就要全部因素考慮進(jìn)來，那就仿照第一問的方法二，可能需要把所有的object變量都變成int或者float類型，然后再進(jìn)行擬合，得到具體的回歸方程。
2、薪水預(yù)測
印度工科學(xué)生畢業(yè)后的工作情況和薪水。但是我們都不知道影響印度工程專業(yè)畢業(yè)生工資的不同因素是什么。該項(xiàng)目根據(jù)第 10 和第 12 班的分?jǐn)?shù)百分比、大學(xué)等級、不同科目的分?jǐn)?shù)、總體 gpa、邏輯推理和畢業(yè)年份等參數(shù)來預(yù)測工程師的薪水。該項(xiàng)目包括一個(gè) ML 模型，該模型使用不同的算法來預(yù)測畢業(yè)生的薪水。這里我們使用一些主要因素來多薪水做預(yù)測（你也可以試試全部因素）。
from sklearn.preprocessing import LabelEncoder from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.linear_model import Ridge from sklearn.linear_model import Lasso from sklearn.linear_model import ElasticNet from sklearn.neighbors import KNeighborsRegressor from sklearn.svm import SVR, LinearSVR from sklearn.tree import DecisionTreeRegressor from sklearn.ensemble import RandomForestRegressor from sklearn.ensemble import GradientBoostingRegressor from sklearn.ensemble import AdaBoostRegressor from sklearn.neural_network import MLPRegressor def preprocess_inputs(data_):data_ = data_.copy()data_['Degree'] = LabelEncoder().fit_transform(data_.Degree)data_['Specialization'] = LabelEncoder().fit_transform(data_.Specialization)X=data_[['Gender', 'tenth_percentage', 'twelveth_graduation', 'twelveth_percentage', 'CollegeID', 'CollegeTier', 'Degree', 'Specialization', 'collegeGPA','CollegeCityID', 'CollegeCityTier', 'CollegeState', 'GraduationYear','English', 'Logical', 'Quant', 'Domain', 'ComputerProgramming','ElectronicsAndSemicon', 'ComputerScience', 'MechanicalEngg','ElectricalEngg', 'TelecomEngg', 'CivilEngg', 'conscientiousness','agreeableness', 'extraversion', 'nueroticism', 'openess_to_experience','Age']]y=data_['Salary']X_train, X_test, y_train, y_test = train_test_split(x, y, train_size=0.7, shuffle=True, random_state=43)scaler = StandardScaler()scaler.fit(X_train)X_train = pd.DataFrame(scaler.transform(X_train), columns = X_train.columns, index = X_train.index)X_test = pd.DataFrame(scaler.transform(X_test), columns = X_test.columns, index = X_test.index)return X_train, X_test, y_train, y_test X_train, X_test, y_train, y_test = preprocess_inputs(data_) X_train models = {' Linear Regression': LinearRegression(),' Ridge': Ridge(),' Decision Tree': DecisionTreeRegressor(),' Random Forest': RandomForestRegressor(random_state=100,bootstrap=True,max_depth=2,max_features=2,min_samples_leaf=3,min_samples_split=5,n_estimators=3),' Lasso' : Lasso(),' Elastic Net' : ElasticNet(),' Neural network' : MLPRegressor(),' Gradient Boosting': GradientBoostingRegressor(),'Adaboost Classifier': AdaBoostRegressor(),'KNN': KNeighborsRegressor() }for name, model in models.items():model = model.fit(X_train, y_train)print(name + " trained") for name, model in models.items():print(name,model.score(X_test, y_test))emmmmmm，訓(xùn)練的結(jié)果最好的也才0.23，不是很理想
五、第三問
根據(jù)以上的分析，對我國高校工程類專業(yè)學(xué)生培養(yǎng)是否有一定的啟迪？寫一份建議書。
注意不要亂寫，不是讓你編個(gè)小論文，要根據(jù)前面兩個(gè)問題進(jìn)行分析，從而寫關(guān)于我國的建議（注意：針對自己本校就行了）。最終目的是希望學(xué)生的就業(yè)薪水更高。
比如哪些因素不應(yīng)該過度嚴(yán)厲，哪些因素學(xué)校應(yīng)該嚴(yán)抓等。。。。應(yīng)該有這方面論文,去找找。
參考：
1、對學(xué)校就業(yè)工作的建議
2、大學(xué)生就業(yè)形勢
3、對學(xué)校人才培養(yǎng)工作有何建議
總結(jié)
以上是生活随笔為你收集整理的2022宁夏杯B题思路分析+代码（大学生就业问题分析）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 计算机桌面任务栏怎样显示输入法,电脑任务
- 下一篇： 企业微信机器人读取服务器,用企业微信机器