暨南大学学生成绩、体测数据及图书馆数据

经过吐血的整理，我终于整理好了这个涵盖了我们学校学生成绩、体测数据及图书馆数据的数据集，为了保护隐私，我把数据集中的姓名、学号变量去掉了。

下载

变量描述

变量名	含义
b 绩点	2017 年绩点
b 学业测评成绩	2017 年学业测评成绩
b 思想测评成绩	2017 年思想测评成绩点
b 综测	2017 年综测
b 综测班级排名	2017 年综测班级排名
b 综测专业排名	2017 年综测专业排名
b 绩点班级排名	2017 年绩点班级排名
b 绩点专业排名	2017 年绩点专业排名
a 绩点	2016 年绩点
a 学业测评成绩	2016 年学业测评成绩
a 思想测评成绩	2016 年思想测评成绩
a 综测	2016 年综测
a 综测班级排名	2016 年综测班级排名
a 综测专业排名	2016 年综测专业排名
a 绩点班级排名	2016 年绩点班级排名
a 绩点专业排名	2016 年绩点专业排名
民族	民族
年级	年级
行政班级	行政班级
性别	性别
a 身高	2016 年身高
a 体重	2016 年体重
a 肺活量	2016 年肺活量
av50 米跑	2016 年 50 米跑
a 立定跳远	2016 年立定跳远
a 千米跑	2016 年千米跑
a 坐体前屈	2016 年坐体前屈
a 引体向上_仰卧起坐	2016 年引体向上_仰卧起坐
a 耐力加分	2016 年耐力加分
a 柔韧力量加分	2016 年柔韧力量加分
b 身高	2017 年身高
b 体重	2017 年体重
b 肺活量	2017 年肺活量
bv50 米跑	2017 年 50 米跑
b 立定跳远	2017 年立定跳远
b 千米跑	2017 年千米跑
b 坐体前屈	2017 年坐体前屈
b 引体向上_仰卧起坐	2017 年引体向上_仰卧起坐
b 耐力加分	2017 年耐力加分
b 柔韧力量加分	2017 年柔韧力量加分
v1617 学年体测成绩	1617 学年体测成绩
v1718 学年体测成绩	1718 学年体测成绩
入馆次数	2017 年入馆次数
进馆次数在全院的排名	2017 年进馆次数在全院的排名
每月进馆次数序列	2017 年每月进馆次数序列
最早入馆时间	2017 年最早入馆时间
最喜欢的入馆时间	2017 年最喜欢的入馆时间
总打印数量	2017 年总打印数量
总扫描数量	2017 年总扫描数量
总逾期归还图书数量	2017 年总逾期归还图书数量
每月打印数量序列	2017 年每月打印数量序列
总借阅量	2017 年总借阅量
借阅量在全院排名	2017 年借阅量在全院排名
最早借书的时间	2017 年最早借书的时间
最喜欢借书的时间	2017 年最喜欢借书的时间
借阅 Kindle 的次数	2017 年借阅 Kindle 的次数
每个月借阅的次数序列	2017 年每个月借阅的次数序列
最喜欢借阅的书的类型	2017 年最喜欢借阅的书的类型
区县代码	籍贯所在区县代码
省份	籍贯所在省份
城市	籍贯所在城市
经度	籍贯所在经度
纬度	籍贯所在纬度
专业	专业

当然数据集并不完整。数据来源分别是：

图书馆数据：暨南大学图书馆公众号；
体测数据：暨大体育公众号；
成绩数据：数字暨大。
籍贯所在区县数据：根据身份证号前六位匹配得到。

这个数据集很有意思呢！不过需要注意以下几个注意事项：

1. 如果你使用了该数据集进行数据分析，请告知我（直接在下面评论即可），谢谢！
2. 请勿使用该数据集侵犯个人隐私甚至从事违法活动；
3. 数据整理至网络，使用时请勿注明数据来源于我这里！注明数据来源于网络即可。
4. 请勿再次爬取，学校似乎已经注意到了这种行为了！（例如文亮同学曾经被图书馆警告过😄）。

一些简单的分析

成绩好的人身体好不好

library(readstata13)
library(tidyverse)
df <- read.dta13("暨南大学学生信息表.dta") %>% as_tibble()

df %>% 
  select(b绩点, v1718学年体测成绩, 年级) %>% 
  filter(!is.na(b绩点) & !is.na(v1718学年体测成绩)) %>% 
  rename(testscore = b绩点, healthscore = v1718学年体测成绩, grade = 年级) %>% 
  ggplot(aes(x = testscore, y = healthscore, color = grade)) + 
  geom_point(position = 'jitter') + 
  scale_color_brewer(name = "年级", palette = 'Set2',
                     breaks = c("2年级", "3年级", ""),
                     labels = c("大二", "大三", "未知")) + 
  geom_smooth() + 
  labs(x = "绩点", y = "体测得分", title = "绩点 vs. 体测", caption = "数据来源：暨南大学")

当然如果你学过计量经济学，你就一定不能把这幅图存在的相关关系当成因果关系，这里面存在很多问题？哪些呢？

身高分布

df %>% 
  select(b身高, 年级) %>% 
  filter(!is.na(b身高)) %>% 
  rename(height = b身高, grade = 年级) %>% 
  filter(height > 100 & height < 200) %>% 
  ggplot(aes(x = height)) + 
  geom_density(aes(y = ..density.., group = grade, fill = grade), alpha = 0.6) + 
  scale_x_continuous(
    breaks = seq(140, 200, by = 20),
    labels = paste0(seq(140, 200, by = 20), "cm")
  ) + 
  scale_fill_brewer(name = "年级", palette = 'Set2',
                    breaks = c("2年级", "3年级", ""),
                    labels = c("大二", "大三", "未知")) + 
  labs(x = "身高", y = "密度", title = "暨南大学同学身高分布")

体重分布

df %>% 
  select(b体重, 年级) %>% 
  filter(!is.na(b体重)) %>% 
  rename(weight = b体重, grade = 年级) %>% 
  filter(weight > 25 & weight < 125) %>%
  ggplot(aes(x = weight)) + 
  geom_density(aes(y = ..density.., group = grade, fill = grade), alpha = 0.6) + 
  scale_x_continuous(
    breaks = seq(25, 125, by = 25),
    labels = paste0(seq(25, 125, by = 25), "kg")
  ) + 
  scale_fill_brewer(name = "年级", palette = 'Set2',
                    breaks = c("2年级", "3年级", ""),
                    labels = c("大二", "大三", "未知")) + 
  labs(x = "体重", y = "密度", title = "暨南大学同学体重分布")

体重的性别分布

df %>% 
  select(b体重, 性别) %>% 
  filter(!is.na(b体重)) %>% 
  rename(weight = b体重, gender = 性别) %>% 
  filter(weight > 25 & weight < 125) %>%
  ggplot(aes(x = weight)) + 
  geom_density(aes(y = ..density.., group = gender, fill = gender), alpha = 0.6) + 
  scale_x_continuous(
    breaks = seq(25, 125, by = 25),
    labels = paste0(seq(25, 125, by = 25), "kg")
  ) + 
  scale_fill_brewer(name = "性别", palette = 'Set2') + 
  labs(x = "体重", y = "密度", title = "暨南大学同学体重分布")

身高的性别分布

df %>% 
  select(b身高, 性别) %>% 
  filter(!is.na(b身高)) %>% 
  rename(height = b身高, gender = 性别) %>% 
  filter(height > 100 & height < 200) %>%
  ggplot(aes(x = height)) + 
  geom_density(aes(y = ..density.., group = gender, fill = gender), alpha = 0.6) + 
  scale_x_continuous(
    breaks = seq(140, 200, by = 20),
    labels = paste0(seq(140, 200, by = 20), "cm")
  ) + 
  scale_fill_brewer(name = "性别", palette = 'Set2') + 
  labs(x = "身高", y = "密度", title = "暨南大学同学身高分布")

BMI 指数的分布

BMI = 体重公斤数/身高米数平方

df %>% 
  select(b身高, b体重, 性别) %>% 
  rename(height = b身高, weight = b体重, gender = 性别) %>% 
  filter(!is.na(height) & !is.na(weight)) %>% 
  filter(height > 100 & height < 200) %>%
  filter(weight > 25 & weight < 125) %>%
  mutate(
    bmi = weight/(height/100)^2
  ) %>% 
  ggplot(aes(x = bmi)) + 
  geom_density(aes(y = ..density.., group = gender, fill = gender), alpha = 0.6) + 
  scale_fill_brewer(name = "性别", palette = 'Set2') + 
  labs(x = "BMI", y = "密度", title = "暨南大学同学BMI分布")