背景

就在昨天，一年一度的北京積分落戶結(jié)果出來(lái)了，我們照舊來(lái)看看今年（2020年）的數(shù)據(jù)情況。

數(shù)據(jù)可以通過(guò)北京市人力資源和社會(huì)保障局官方網(wǎng)站下載獲取，關(guān)于2020年積分落戶公示及落戶辦理有關(guān)工作的通告。公示名單?形如：

點(diǎn)擊每一項(xiàng)明細(xì)可以獲得積分具體數(shù)值，以最高分為例：

然后，稍微動(dòng)點(diǎn)小技巧即可獲取完整的 6032 條記錄。若你想獲取石頭初步處理后的 excel 數(shù)據(jù)，可直接后臺(tái)回復(fù) “2020積分落戶” 取得。

數(shù)據(jù)分析

輸入就是下載處理后的 csv，每行分別為“姓名、出生年月、單位名稱、積分分值”。

本文將從 積分分?jǐn)?shù)分布、公司分布、年齡分布 等幾個(gè)方面做簡(jiǎn)單分析。

分?jǐn)?shù)分布

我們來(lái)看看積分分布情況，大部分人積分分布在 97~102 分之間。這個(gè)分?jǐn)?shù)雖然沒有高考相差那么夸張，但一個(gè) 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。

???積分落戶2020數(shù)據(jù)分析?git:(master)???awk?'{print?$5}'?10000.csv?|sort?|?uniq?-c?|?sort?-nr?-k?1??|?head?-n?10
??98?97.50
??84?97.25
??80?97.33
??73?97.17
??72?97.21
??67?98.50
??66?98.00
??61?97.46
??57?98.46
??54?97.13
???積分落戶2020數(shù)據(jù)分析?git:(master)???awk?'{print?$5}'?10000.csv?|sort?|?uniq?-c?|?sort?-nr?-k?1??|?grep?98.17
??39?98.17
???積分落戶2020數(shù)據(jù)分析?git:(master)???awk?'{print?$5}'?10000.csv?|sort?|?uniq?-c?|?sort?-nr?-k?1??|?grep?98.16
??21?98.16
???積分落戶2020數(shù)據(jù)分析?git:(master)???

按照上次首批積分落戶數(shù)據(jù)分析?的老規(guī)矩，拿到這個(gè)文件，比如希望你用最快的方法獲得以下信息，你將會(huì)怎么做？

• 獲取取得戶口名額最多的top10公司
• 獲取取得戶口名額的人中姓氏最多的
• 獲取年齡分布

當(dāng)然，方法有很多，比如熟悉各種編程語(yǔ)言的，例如?python, php, java?等等寫個(gè)簡(jiǎn)單的腳本程序，也能比較快獲取答案。或者把相應(yīng)的數(shù)據(jù)提取出來(lái)，放到 excel 中也可以。

如果你對(duì) Shell 很熟悉，那真的是分分鐘，應(yīng)該是秒秒鐘就能獲取答案。本文不對(duì) Shell 具體每個(gè)命令做過(guò)多的解釋，不熟悉的同學(xué)可以直接?man $cmd?或者?$cmd --help?等等查看。

獲取取得戶口名額最多的top10公司

直接awk?得到公司名字，對(duì)結(jié)果進(jìn)行sort排序進(jìn)行去重uniq統(tǒng)計(jì)得到重復(fù)次數(shù)，次時(shí)結(jié)果為重復(fù)次數(shù) 公司名，再對(duì)第一列-k 1重復(fù)數(shù)字進(jìn)行按照數(shù)字排序逆序-nr?即?sort -nr -k 1，最后取結(jié)果的前10行?head -n 10。

???首批積分落戶??>?grep?'unit'?jifenluohu.json|?cut?-f2?-d:?|?sort?|?uniq?-c?|?sort?-nr?-k?1?|?head?-n?10
?137??"北京華為數(shù)字技術(shù)有限公司"
??73??"中央電視臺(tái)"
??57??"北京首鋼建設(shè)集團(tuán)有限公司"
??55??"百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司"
??48??"聯(lián)想（北京）有限公司"
??40??"北京外企人力資源服務(wù)有限公司"
??40??"中國(guó)民生銀行股份有限公司"
??39??"國(guó)際商業(yè)機(jī)器（中國(guó)）投資有限公司"
??29??"中國(guó)國(guó)際技術(shù)智力合作有限公司"
??27??"華為技術(shù)有限公司北京研究所"
??
?????積分落戶2020數(shù)據(jù)分析?git:(master)???awk?'{print?$4}'?10000.csv?|sort?|?uniq?-c?|?sort?-nr?-k?1?|?head?-n?10
?112?北京華為數(shù)字技術(shù)有限公司
??71?中央電視臺(tái)
??28?北京外企人力資源服務(wù)有限公司
??28?華為技術(shù)有限公司北京研究所
??27?中國(guó)石油天然氣股份有限公司管道北京輸油氣分公司
??27?北京首鋼建設(shè)集團(tuán)有限公司
??24?中國(guó)建筑第二工程局有限公司
??24?騰訊科技（北京）有限公司
??24?聯(lián)想（北京）有限公司
??23?中國(guó)新華航空集團(tuán)有限公司

對(duì)比上次的結(jié)果看， “華為” 又是榜首，中央電視臺(tái)又位列第二，百度下去了，騰訊起來(lái)了。（“北京外企人力資源服務(wù)有限公司”）掛靠在 FESCO 下的外企，仍然擠進(jìn)前 10 了。

以下是有戶口指標(biāo)前 50 的公司分布，快看看你的公司是否在榜（完整公司排名名單請(qǐng)后臺(tái)回復(fù)“2020積分落戶”獲取）。

獲取取得戶口名額的人中姓氏最多的

看看想通過(guò)積分落戶，最好是姓啥，哈哈。

看結(jié)果還是姓 "張, 王" 之類的最有戲。?

???首批積分落戶??>?grep?'"name":'?jifenluohu.json|?sed?'s|"name":?"||g'?|?sed?'s|?||g'?|?cut?-c?1?|?sort?|?uniq?-c?|?sort?-nr?-k?1?|?head?-n?10
?541?張
?531?王
?462?李
?376?劉
?205?陳
?193?楊
?166?趙
?132?孫
??95?郭
??95?徐
??
???積分落戶2020數(shù)據(jù)分析?git:(master)???awk?'{print?$2}'?10000.csv?|cut?-c?1?|?sort?|?uniq?-c?|?sort?-nr?-k?1?|?head?-n?10
?553?王
?477?李
?457?張
?369?劉
?173?陳
?168?楊
?165?趙
?126?孫
?114?周
?100?吳??

對(duì)比這個(gè)數(shù)據(jù)，才發(fā)現(xiàn)真的是很牛 X，前 10 名的姓氏中，只有兩個(gè)不一樣。估計(jì)這是否也符合整個(gè)中國(guó)的姓氏？哪里能拿到這部分?jǐn)?shù)據(jù)？可以驗(yàn)證一下。

為了把石頭的姓氏“唐”找出來(lái)，取了前 50 個(gè)，發(fā)現(xiàn)像平時(shí)不怎么常見的姓氏還能入圍前 50，還是很有意思的呢。比如“于”、“丁”等。

獲取戶口名字中叫啥名最流行

這個(gè)數(shù)據(jù)沒啥有意思的結(jié)論就不給了，看看重名的數(shù)據(jù)吧。

???積分落戶2020數(shù)據(jù)分析?git:(master)???awk?'{print?$2}'?10000.csv??|?sort?|?uniq?-c?|?sort?-nr?-k?1?|?head?-n?10
???9?王鵬
???6?王偉
???6?張穎
???5?趙靜
???5?石磊
???5?王琳
???5?王燕
???5?王濤
???5?王勇
???5?孫濤

作為碼農(nóng)，必須得養(yǎng)成對(duì)自己得到結(jié)果進(jìn)行自測(cè)的習(xí)慣，所以如果對(duì)自己的結(jié)果不夠自信，可以正向去計(jì)算一下最終的結(jié)果。

例如可以簡(jiǎn)單grep一下進(jìn)行驗(yàn)證，叫 "王鵬" 的是不是9個(gè)。

???積分落戶2020數(shù)據(jù)分析?git:(master)???grep?'王鵬'?10000.csv
202000543?王鵬飛?1979-02?北京航天發(fā)射技術(shù)研究所?104.09
202001150?王鵬?1980-03?中國(guó)扶貧基金會(huì)?101.80
202001449?王鵬?1972-10?北京匯眾博思信息科技有限公司?101.25
202002088?王鵬?1977-11?銀河航天（北京）通信技術(shù)有限公司?100.42
202002114?王鵬?1977-05?《中國(guó)經(jīng)濟(jì)周刊》雜志社?100.38
202002753?王鵬?1976-11?北京睿馳青果科技有限公司?99.66
202003455?王鵬?1983-04?北京首創(chuàng)股份有限公司?98.96
202003514?王鵬飛?1980-07?云粒智慧科技有限公司?98.92
202003694?王鵬?1976-05?上海創(chuàng)景計(jì)算機(jī)系統(tǒng)有限公司北京辦事處?98.75
202003763?王鵬?1980-01?北京興慶房地產(chǎn)土地評(píng)估有限公司?98.71
202004190?王鵬?1980-09?北京歐拓技術(shù)有限公司?98.34

獲取年齡分布

#?拿到出生年后,?直接通過(guò)?awk?計(jì)算結(jié)果輸出
???首批積分落戶??>?grep?'"idCard":'?jifenluohu.json|?cut?-f2?-d:?|?cut?-c?9-12?|awk?'{print?2019-$1}'?|?sort?|?uniq?-c
???3?34
??13?35
??39?36
?109?37
?162?38
?302?39
?507?40
?773?41
?799?42
?813?43
?757?44
?586?45
?507?46
?378?47
?238?48
???4?49
???9?50
???1?51
???4?52
???3?53
???2?54
???5?55
???1?56
???1?58
???1?59
???1?60
???1?61??
???
???積分落戶2020數(shù)據(jù)分析?git:(master)???awk?'{print?$3}'?10000.csv??|?cut?-f1?-d"-"?|awk?'{print?2020-$1}'?|?sort?|?uniq?-c
???1?32
???3?35
??30?36
??83?37
?290?38
?468?39
?644?40
?741?41
?808?42
?751?43
?636?44
?507?45
?365?46
?329?47
?108?48
?107?49
??85?50
??27?51
???6?52
??10?53
???9?54
???8?55
???6?56
???5?57
???3?58
???2?59???

上次數(shù)據(jù)最大 61 歲，最小 34 歲，今年最新的數(shù)據(jù)最小 32 歲，最大 59 歲。這個(gè) 32 歲的看來(lái)很牛 X。看看是誰(shuí)？1988年出生。

???積分落戶2020數(shù)據(jù)分析?git:(master)???grep?'1988'?10000.csv
202004964?XX磊?1988-07?中煤北京煤礦機(jī)械有限責(zé)任公司?97.71

這位 XX 磊同學(xué)確實(shí)優(yōu)秀，（太具體了不太好，隱藏部分吧），看詳細(xì)得分，因?yàn)橛袠s譽(yù)表彰 20 加分，查了下榮譽(yù)表彰指標(biāo)里的“省部級(jí)及以上勞模”分為四類：全國(guó)勞模、享受全國(guó)勞模待遇人員、省部級(jí)勞模、享受省部級(jí)勞模待遇人員。

年齡分布如下所示，主要還是集中在 38 ~ 47 歲之間。

其他

這次的數(shù)據(jù)就先分享到這里，如果你有興趣，可以到網(wǎng)站上采集更多數(shù)據(jù)（例如各項(xiàng)分?jǐn)?shù)的明細(xì)，例如教育背景、合法穩(wěn)定就業(yè)住所等）進(jìn)行分析。

另外，如果你想計(jì)算一下自己能獲得多少分，可以直接到官網(wǎng)網(wǎng)站進(jìn)行計(jì)算，地址為：http://fuwu.rsj.beijing.gov.cn/integraltool/tool/simulation

后記

覺得本號(hào)分享的文章有價(jià)值，記得添加星標(biāo)哦。不要白 piao，需要來(lái)點(diǎn)正反饋，安排個(gè) “一鍵三連”（點(diǎn)贊、在看、分享）如何？??這將是我持續(xù)輸出優(yōu)質(zhì)文章的最強(qiáng)動(dòng)力。