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")