1. 單擊圖標，創建SQL分析單元。

2. 運行如下語句，查看匯總表數據詳情。

   示例SQL語句。

   SELECT * FROM "school" LIMIT 100;

   

基于高校匯總表，統計每個學校的計劃數、分數線及位次，并按分數線降序排列，以便了解不同學校的錄取分數和表現。

1. 單擊圖標，創建SQL分析單元。

2. 運行如下語句，查看各個學校的錄取情況。

   示例SQL語句。

   SELECT 學校名稱, SUM(計劃數) AS 計劃數, ROUND(AVG(分數線), 2) AS 分數線, ROUND(AVG(位次), 2) AS 位次, ANY_VALUE(省份) AS 省份, ANY_VALUE(城市) AS 城市 FROM school GROUP BY 學校名稱 ORDER BY 分數線 DESC;

   

統計每個城市中學校的數量，以及分數線和位次的平均值，并按分數線降序排序，以便了解不同城市的教育水平。

1. 單擊圖標，創建SQL分析單元。

2. 運行如下語句，查看各個城市的教育水平。

   示例SQL語句。

   SELECT ANY_VALUE(省份) AS 省份, 城市, COUNT(*) AS 學校數量, ROUND(AVG(分數線), 2) AS 分數線, ROUND(AVG(位次), 2) AS 位次 FROM school GROUP BY 城市 ORDER BY 分數線 DESC;

   

分析操作

在報告編輯區域單擊智能報告，選擇數據源為查詢結果集中的school（高校信息匯總表），使用自然語言描述您的需求并運行。

示例輸入“分析下學生都被招到了哪些省份，以及地域是否影響高校的最低錄取分數線”。

分析過程

智能分析接收到需求后，將自動為您設計報告結構、生成分析思路、執行分析操作、并總結分析結果。

示例生成的報告結構如下。生成的報告您可直接使用，也可基于該報告進行二次編輯。單擊報考熱度及差異.pdf，可查看完整的示例報告內容。

在智能分析的指引下，我們將通過如下步驟手動體驗核心分析操作。

根據每所學校的所在省份及該省所有院校的總報名人數（即“計劃數”之和），計算出各省內高校的整體受歡迎排序。

1. 查看各省的招生計劃。

   單擊圖標，創建SQL分析單元，運行如下語句。查看各省的總計劃數，并按總計劃數降序排序，將結果表重命名為enrollment_plan。

   示例SQL語句。

   SELECT "省份", SUM("計劃數") AS "總計劃數" FROM school GROUP BY "省份" ORDER BY "總計劃數" DESC;

   

2. 通過圖表展示省份分布，觀測主導地位占比。

   單擊可視化 > 圖表，創建圖表分析單元，使用餅圖展示各省份的總計劃數占比。

根據上述分析可看出，參與統計的省份中，浙江、江蘇、上海、江西、湖北等地對浙江考生的歡迎程度更高。

在該步驟，將按照省份分組后求取平均分數線，探索省份與平均分數線是否存在線性趨勢，以此衡量地域是否會影響高校的錄取分數線。分析過程使用SQL、Python，并結合圖表進行可視化展示。

1. 查看各省份總平均分數線。

   單擊圖標，創建SQL分析單元，運行如下語句。查看各省份的總平均分數線，并按總平均分數線降序排序，將結果表重命名為score_line。

   示例SQL語句。

   SELECT "省份", AVG("分數線") AS 平均分數線 FROM school GROUP BY "省份";

   

2. 利用數學擬合趨勢線，分析省份與招生標準的關聯性。

   單擊Python，創建Python分析單元，通過如下語句進行線性回歸分析，探索省份與平均分數線是否存在線性趨勢。

   示例Python代碼。

   import nb_toolkit
   import pandas as pd
   import numpy as np
   from scipy.stats import linregress
   
   def true_value(x):
       return x.item() if type(x).__module__ == np.__name__ else x
   
   def linear(dimension, measure):
       '''
       返回measure在dimension上的線性擬合結果
           參數:
               dimension (numpy.ndarray): 有序型(數值、日期或可以排序的字符串)數組
               measure (numpy.ndarray): 數值數組
           返回值:
               線性擬合結果，格式如下：
               {
                   'type': 'TREND.LINEAR',
                   'r': 擬合結果r值
                   'slope': 擬合結果斜率,
                   'intercept': 擬合結果截距,
                   'se': 擬合結果標準差,
                   'p': 擬合結果顯著性（零假設:斜率為零, 使用Wald檢驗且檢驗統計量服從t分布的）（當p值<0.05時拒絕零假設，表明斜率顯著不為0）,
               }
           注:擬合時有序型dimension僅作為順序參考,不考慮具體數值
       '''
   
       # 線性擬合 scikit——learn里面現成的, 但是數據格式要整理成(n_sample行,n_feature列, 顯然我們就一個feature)
       # 該方法可以直接獲得rsqured和斜率
   
       mask = np.ma.masked_not_equal(dimension, None).mask  # 排除None
   
       dimension_remain = dimension[mask]
   
       args = dimension_remain.argsort()
       X = measure[mask][args]  # 排序
       mask_valid = ~pd.isna(X)  # 排除NaN
       X_valid = (X[mask_valid]).astype(float)
       dimension_valid = dimension_remain[mask_valid]
       length_valid = len(dimension_valid)
   
       if length_valid < 3:
           return None
   
       slope, intercept, r, p, se = linregress(
           np.array(range(0, length_valid)), X_valid)
   
       slope = true_value(slope)
       intercept = true_value(intercept)
       p = true_value(p)
       se = true_value(se)
       r = true_value(r)
   
       return {
           'type': 'TREND.LINEAR',
           'r': r,
           'slope': slope,
           'intercept': intercept,
           'se': se,
           'p': p,
       }
   
   
   data = score_line.toDataFrame() if isinstance(score_line, nb_toolkit.view.View) else score_line
   dimension = np.array(data['省份'])
   measure = np.array(data['平均分數線'])
   result = linear(dimension, measure)
   print(result)

   說明

   • nb_toolkit：是一個Python工具庫（例如，Notebook管理、版本控制、數據可視化），可在GitHub搜索。

   • Pandas：是一個Python數據分析庫，主要用于數據操作和分析。

   • Numpy：提供了支持大型多維數組和矩陣的對象，主要用于高效的數值計算和數據分析。

   • scipy.stats.linregress：用于執行線性回歸分析。

   

   示例返回結果。

   {'type': 'TREND.LINEAR', 'r': 0.09203176634665855, 'slope': 0.2510677358578127, 'intercept': 539.2637194982078, 'se': 0.4959586674633785, 'p': 0.6163973632699788}

   通過線性回歸模型，對各省份的平均分數線進行了擬合，得到的趨勢線斜率為正但非常小。盡管斜率顯示存在輕微上升趨勢，但由于其p值遠大于0.05，表明地理因素對于解釋各省間錄取分數差異的作用并不明顯。此結論有助于我們更客觀地看待地域對學生升學難度的影響程度。

根據上述分析可看出，福建、海南、廣西、江西、浙江等省份的總平均分數線相對較低，且地域對學生升學的影響不大。

結合AI分析及手動分析結果，我們可得出如下結論：

• 報考浙江、江蘇、上海、江西、湖北、福建等省份的浙江考生居多。

• 省份和高校的平均錄取分數線關系不是很大。

1. 編寫分析操作介紹。

   單擊文本 > Markdown，創建Markdown分析單元，輸入如下內容。

   示例分析介紹。

   ## 3. 各地區人均消費支出
   
   根據居民人均消費支出情況，分析出哪個地區的經濟發展水平及生活質量較高。

2. 計算各地區人均消費支出。

   單擊圖標，創建SQL分析單元，運行如下語句，計算各地區的居民人均消費支出，按照人均消費支出降序排序，并將結果表重命名為cost。

   示例SQL代碼。

   SELECT 地區, SUM("2022年"+"2021年"+"2020年"+"2019年"/ 4) AS 人均消費支出 FROM "居民人均消費支出.csv" GROUP BY 地區 ORDER BY 人均消費支出 DESC;

   

1. 編寫分析操作介紹。

   單擊文本 > Markdown，創建Markdown分析單元，輸入如下內容。

   示例分析介紹。

   ## 4. 各地區人均食品消費量
   
   根據居民人均食品消費支出情況，分析出哪個地區的居民更愿意為美食買單。

2. 計算各地區總食品平均消費量。

   單擊圖標，創建SQL分析單元，運行如下語句。計算各地區居民的總食品平均消費量，按照消費量降序排序，并將結果表重命名為food_like。

   示例SQL代碼。

   SELECT 地區, SUM("2022年"+"2021年"+"2020年"+"2019年"/ 4) AS 食品平均消費量 FROM "居民主要食品消費量.csv" GROUP BY 地區 ORDER BY 食品平均消費量 DESC;

   

至此，您將結合學生報考熱度及差異分析，和居民的食品消費情況，計算出地區的食品偏好指數，并基于分析結果預測收益更高的擺攤地區。

1. 計算食品偏好指數。

   單擊圖標，創建SQL分析單元，運行如下語句，計算各地區居民的食品偏好指數。

   說明

   您可通過如下計算公式，預估各地區的銷售利潤，利潤較高的地區將被視為食品偏好指數較高。

   利潤 = 小吃單位利潤 * 銷量 - 自身固定生活開支

   = （各省消費水平 / 2000） * （各省計劃招生人數 / 10） * 食品平均消費量 / 500 - 消費水平 / 150

   • 各省消費水平 / 2000：預估的小吃單位利潤。

   • 各省計劃招生人數 / 10：預估的購買人數。

   • 食品平均消費量 / 500：預估的人均購買量。

   • 消費水平 / 150：預估的各省固定生活開支。

   計算公式中的各個數值，是基于本文分析情況預估的較為合理的數值，您也可按需調整數值大小。

   示例SQL代碼。

   -- 計算每個地區的食品偏好指數
   SELECT cost.地區,
       ANY_VALUE(
           ((cost.人均消費支出 / 2000) *  -- 小吃單位利潤
           (enrollment_plan.總計劃數 / 10) *  -- 購買小吃的人數
           food_like.食品平均消費量 / 500 -  -- 每個人的購買量
           cost.人均消費支出 / 150)  -- 固定生活開支
           + 50000                 -- 調整參數，用于調整最終的指數結果
       ) AS 食品偏好指數
   FROM enrollment_plan
   JOIN
       cost
   ON 
       enrollment_plan.省份 = substr(cost.地區, 1, 2)
   JOIN 
       food_like 
   ON 
       enrollment_plan.省份 = substr(food_like.地區, 1, 2)
   GROUP BY 
       cost.地區
   ORDER BY 
       食品偏好指數 DESC;

   

2. 輸出結論。

   單擊文本 > Markdown，創建Markdown分析單元，輸出分析結果。

   # 結論與價值
   
   基于計算出的地區食品偏好指數，我們可以看出，浙江、上海、江蘇等省份均適合擺小吃攤。
   
   當然，本案例獲取的僅是浙江省學生去其他省份的招生數據，未包含其他省份報考相應地區的人數及消費能力，相關結論存在一定局限性。僅供體驗功能及參考。