作者|石头哥
来源 | 程序猿石头(id:tangleithu)
图 by:石头@泸沽湖
背景
就在昨天,一年一度的北京积分落户结果出来了,我们照旧来看看今年(2020年)的数据情况。
在看这篇文章之前,你可以通过如下文章来得到石头是如何快速拿到这些数据分析结果的:
优秀的程序员是如何利用工具来提升工作效率的?
Shell 助力开发效率提升
提升开发效率N倍的20+命令行神器!(附 demo)
数据可以通过北京市人力资源和社会保障局官方网站下载获取,关于2020年积分落户公示及落户办理有关工作的通告。公示名单 形如:
2020 年积分落户公式名单
点击每一项明细可以获得积分具体数值,以最高分为例:
2020积分落户最高分明细
然后,稍微动点小技巧即可获取完整的 6032 条记录。
数据分析
输入就是下载处理后的 csv,每行分别为“姓名、出生年月、单位名称、积分分值”。
本文将从 积分分数分布、公司分布、年龄分布 等几个方面做简单分析。
2020年积分落户数据 CSV
分数分布
我们来看看积分分布情况,大部分人积分分布在 97~102 分之间。这个分数虽然没有高考相差那么夸张,但一个 0.01 也能相差不少人,比如有 98 人都得了 97.5 分。98.17 有 39 人,少 0.01 的 98.16 有 21 人。
1➜ 积分落户2020数据分析 git:(master) ✗ awk '{print $5}'10000.csv |sort | uniq -c | sort -nr -k 1 | head -n 10
29897.50
38497.25
48097.33
57397.17
67297.21
76798.50
86698.00
96197.46
105798.46
115497.13
12➜ 积分落户2020数据分析 git:(master) ✗ awk '{print $5}'10000.csv |sort | uniq -c | sort -nr -k 1 | grep98.17
133998.17
14➜ 积分落户2020数据分析 git:(master) ✗ awk '{print $5}'10000.csv |sort | uniq -c | sort -nr -k 1 | grep98.16
152198.16
16➜ 积分落户2020数据分析 git:(master) ✗
2020 年北京积分落户积分分布
按照上次《首批积分落户数据分析》的老规矩,拿到这个文件,比如希望你用最快的方法获得以下信息,你将会怎么做?
获取取得户口名额最多的top10公司
获取取得户口名额的人中姓氏最多的
获取年龄分布
当然,方法有很多,比如熟悉各种编程语言的,例如 Python, Php, Java 等等写个简单的脚本程序,也能比较快获取答案。或者把相应的数据提取出来,放到 Excel 中也可以。
如果你对 Shell 很熟悉,那真的是分分钟,应该是秒秒钟就能获取答案。本文不对 Shell 具体每个命令做过多的解释,不熟悉的同学可以直接 man $cmd 或者 $cmd --help 等等查看。
之前我也写过一篇名叫《Shell 助力开发效率提升》的文章,算是给常用的命令的常用参数做了一个解释和示例,有兴趣的同学可以前往查阅。显然这次的输入数据比上次《首批的 json 数据》更简单。
获取取得户口名额最多的top10公司
直接 awk 得到公司名字,对结果进行 sort 排序进行去重 uniq 统计得到重复次数,次时结果为重复次数 公司名,再对第一列-k 1重复数字进行按照数字排序逆序-nr 即 sort -nr -k 1,最后取结果的前10行 head -n 10。
1➜ 首批积分落户 > grep'unit' jifenluohu.json| cut -f2 -d: | sort | uniq -c | sort -nr -k 1 | head -n 10
2137"北京华为数字技术有限公司"
373"中央电视台"
457"北京首钢建设集团有限公司"
555"百度在线网络技术(北京)有限公司"
648"联想(北京)有限公司"
740"北京外企人力资源服务有限公司"
840"中国民生银行股份有限公司"
939"国际商业机器(中国)投资有限公司"
1029"中国国际技术智力合作有限公司"
1127"华为技术有限公司北京研究所"
12
13 ➜ 积分落户2020数据分析 git:(master) ✗ awk '{print $4}'10000.csv |sort | uniq -c | sort -nr -k 1 | head -n 10
14112 北京华为数字技术有限公司
1571 中央电视台
1628 北京外企人力资源服务有限公司
1728 华为技术有限公司北京研究所
1827 中国石油天然气股份有限公司管道北京输油气分公司
1927 北京首钢建设集团有限公司
2024 中国建筑第二工程局有限公司
2124 腾讯科技(北京)有限公司
2224 联想(北京)有限公司
2323 中国新华航空集团有限公司
对比上次的结果看, “华为” 又是榜首,中央电视台又位列第二,百度下去了,腾讯起来了。(“北京外企人力资源服务有限公司”)挂靠在 FESCO 下的外企,仍然挤进前 10 了。
以下是有户口指标前 50 的公司分布,快看看你的公司是否在榜(完整公司排名名单请后台回复“2020积分落户”获取)。
2020年北京积分落户公司分布
获取取得户口名额的人中姓氏最多的
看看想通过积分落户,最好是姓啥,哈哈
。
看结果还是姓 "张, 王" 之类的最有戏。😁
1➜ 首批积分落户 > grep'"name":' jifenluohu.json| sed 's|"name": "||g' | sed 's| ||g' | cut -c 1 | sort | uniq -c | sort -nr -k 1 | head -n 10
2541 张
3531 王
4462 李
5376 刘
6205 陈
7193 杨
8166 赵
9132 孙
1095 郭
1195 徐
12
13➜ 积分落户2020数据分析 git:(master) ✗ awk '{print $2}'10000.csv |cut -c 1 | sort | uniq -c | sort -nr -k 1 | head -n 10
14553 王
15477 李
16457 张
17369 刘
18173 陈
19168 杨
20165 赵
21126 孙
22114 周
23100 吴
对比这个数据,才发现真的是很牛 X,前 10 名的姓氏中,只有两个不一样。估计这是否也符合整个中国的姓氏?哪里能拿到这部分数据?可以验证一下。
2020北京积分落户姓氏分布
为了把石头的姓氏“唐”找出来,取了前 50 个,发现像平时不怎么常见的姓氏还能入围前 50,还是很有意思的呢。比如“于”、“丁”等。
获取户口名字中叫啥名最流行
这个数据没啥有意思的结论就不给了,看看重名的数据吧
。
1➜ 积分落户2020数据分析 git:(master) ✗ awk '{print $2}'10000.csv | sort | uniq -c | sort -nr -k 1 | head -n 10
29 王鹏
36 王伟
46 张颖
55 赵静
65 石磊
75 王琳
85 王燕
95 王涛
105 王勇
115 孙涛
作为码农,必须得养成对自己得到结果进行自测的习惯,所以如果对自己的结果不够自信,可以正向去计算一下最终的结果。
例如可以简单 grep 一下进行验证,叫 "王鹏" 的是不是9个。
1➜ 积分落户2020数据分析 git:(master) ✗ grep'王鹏'10000.csv
2202000543 王鹏飞 1979-02 北京航天发射技术研究所 104.09
3202001150 王鹏 1980-03 中国扶贫基金会 101.80
4202001449 王鹏 1972-10 北京汇众博思信息科技有限公司 101.25
5202002088 王鹏 1977-11 银河航天(北京)通信技术有限公司 100.42
6202002114 王鹏 1977-05 《中国经济周刊》杂志社 100.38
7202002753 王鹏 1976-11 北京睿驰青果科技有限公司 99.66
8202003455 王鹏 1983-04 北京首创股份有限公司 98.96
9202003514 王鹏飞 1980-07 云粒智慧科技有限公司 98.92
10202003694 王鹏 1976-05 上海创景计算机系统有限公司北京办事处 98.75
11202003763 王鹏 1980-01 北京兴庆房地产土地评估有限公司 98.71
12202004190 王鹏 1980-09 北京欧拓技术有限公司 98.34
获取年龄分布
1# 拿到出生年后, 直接通过 awk 计算结果输出
2➜ 首批积分落户 > grep'"idCard":' jifenluohu.json| cut -f2 -d: | cut -c 9-12 |awk '{print 2019-$1}' | sort | uniq -c
3334
41335
53936
610937
716238
830239
950740
1077341
1179942
1281343
1375744
1458645
1550746
1637847
1723848
18449
19950
20151
21452
22353
23254
24555
25156
26158
27159
28160
29161
30
31➜ 积分落户2020数据分析 git:(master) ✗ awk '{print $3}'10000.csv | cut -f1 -d"-" |awk '{print 2020-$1}' | sort | uniq -c
32132
33335
343036
358337
3629038
3746839
3864440
3974141
4080842
4175143
4263644
4350745
4436546
4532947
4610848
4710749
488550
492751
50652
511053
52954
53855
54656
55557
56358
57259
1➜ 积分落户2020数据分析 git:(master) ✗ grep'1988'10000.csv
2202004964 XX磊 1988-07 中煤北京煤矿机械有限责任公司 97.71
2020年积分落户指标年龄最小者
年龄分布如下所示,主要还是集中在 38 ~ 47 岁之间。
2020积分落户年龄分布
其他
这次的数据就先分享到这里,如果你有兴趣,可以到网站上采集更多数据(例如各项分数的明细,例如教育背景、合法稳定就业住所等)进行分析。
另外,如果你想计算一下自己能获得多少分,可以直接到官网网站进行计算,地址为:http://fuwu.rsj.beijing.gov.cn/integraltool/tool/simulation
积分落户模拟计算工具
4000520066 欢迎批评指正
All Rights Reserved 新浪公司 版权所有