数据分析2020年全国各省高考成绩分布情况_其它综合

来源:脚本之家  责任编辑:小易  

云南2113省今年高考加分政策出5261台体育加分5分内地410219个少数民族加10分;自主就业的退役士1653兵,加10分农业人口独生子女报考省内普通高等学校者加15分边疆及执行边疆政策县的少数民族考生加20分同一考生如符合多项加分投档条件,只取其中最高一项分值,总增加分值不超过20分2015年1月1日前在高级中等教育阶段已取得下列称号、名次的应届高级中等教育学校毕业考生,在考生统考成绩总分的基础上增加5分投档,由学校审查决定是否录取(报考体育类不得加分)。包括:重大国际体育比赛集体或个人项目取得前6名,全国性体育比赛个人项目取得前6名;获得省招生考试委员会确定的统测项目范围内的国家二级运动员(含)以上称号的,参加省招考院在报考当年组织的测试,并经省体育局审核认定达到二级运动员(含)以上技术等级标准的。农业人口独生子女报考省内普通高等学校者加15分。边疆及执行边疆政策县的少数民族考生加20分。汉族考生加20分(指土生土长或随父母到边疆,户口、上学逆推连续10年以上,现仍在边疆的考生);上述考生,高中阶段在内地上学的相对减少10分。我省哈尼族、傣族、苗族、傈僳族、拉祜族、佤族、景颇族、瑶族、布朗族、怒族、阿昌族、普米族、德昂族、独龙族、藏族、蒙古族、基诺族、水族、布依族在内地的考生加10分;内地农村户口的彝族、壮族考生加10分;各州市政府确定的内地高寒贫困山区的少数民族考生加20分。烈士子女加20分。归侨、华侨子女、归侨子女和台湾省籍考生加10分。在服役期间荣立二等功以上或被大军区以上单位授予荣誉称号的退役军人,在其统考成绩总分的基础上增加20分投档;自主就业的退役士兵,可在其统考成绩总分的基础上增加10分投档。省招考院提醒:同时符合上列情形的考生,省招考院投档时只能取最高的一项分值作为考生附加分。各项目分值不累加。凡符合这几类情形的考生必须经过本人申报、有关部门审核、三级公示后方能予以认可。公示由各县(市、区)招生委员会负责进行,未经公示的考生不得享受相关项目加分分值。省招生考试委员会增加分数或降低分数要求投档的项目均不会超出所规定的范围。我省增加的政策性照顾项目及分值仅适用于省内普通高校,并报教育部备案,经核准备案向社会公布。相关链接:高考加分“瘦身”去年底,教育部、国家民委、公安部、国家体育总局、中国科学技术协会联合下发《关于进一步减少和规范高考加分项目和分值的意见》,对今年高考加分进行大幅“瘦身”。《意见》规定,从今年1月1日起,取消体育特长生、中学生学科奥林匹克竞赛、科技类竞赛、省级优秀学生、思想政治品德有突出事迹5类全国性高考加分项目。今年1月1日之前在高级中等教育阶段已取得上述项目有关奖项、名次、称号的考生,是否具有加分资格由生源所在地省级高校招生委员会研究决定。祝你好运!你有10或15加分www.zgxue.com防采集请勿采集本网。

开始

突发奇想, 想看下高考成绩的分布, 如果把每个省市的成绩划线成0-100 分会怎么样,简单的来说, 认为最高分的考了100分,最低分考了0分, 计算一下各个分数段的人数就好了,

再者,2019年有多省市明确表示,对于2019年被志愿投档录取之后不履行志愿约定的违约考生,在2020年高考录取过程中要采取限制手段,迫于招生政策的变化,也会致使一部分投档录取不理想的考生打消了复读的

顺便可以用这个数据看每个省市的一本线划分比率,还有其他相关的数据,

2020年安徽高考报名人数为211352.38万,比上年增加1.1万余5261人,总量居全国4102前列。高职院校分类考试和对1653口招生确认录取9.83万人,这部分考生不再安排参加高考,实际参加统一高考的考生

看起来还是比较简单的, 动手试试

截止2019年211312月10日,距离2020年高考还有180天。高考是中华人5261民共和国(不包括香港特4102别行政区、澳门特别行政区和台1653湾省)合格的高中毕业生或具有同等学力的考生参加的选拔性考试

数据收集

网上找了一下, 每年的高考人数, 现在已经超过千万人高考了,河南更是超过了100万,

数据来源:新浪教育 https://edu.sina.cn/zt_d/gkbm

省/市 2020年 2019年 2018年 2017年 2016年 2015年 2014年 2013年 2012年
全国 1071万↑ 1031万↑ 975万↑ 940万 940万↓ 942万↑ 939万↑ 912万↓ 915万↓
河南 115.8万↑ 100万+↑ 98.3万↑ 86.3万↑ 82万↑ 77.2万↑ 72.4万↓ 71.63万↓ 80.5万↑
广东 78.8万↑ 76.8万↑ 75.8万↑ 75.7万↑ 73.3万↓ 75.4万↓ 75.6万↑ 72.7万↑ 69.2万↑
四川 67万↑ 65万↑ 62万↑ 58.3万↑ 57.13万 超57万 57.17万↑ 54万↑ 53.8万↑
河北 62.48万↑ 55.96万↑ 48.6万↑ 43.6万↑ 42.31万↑ 40.48万↓ 41.82万↓ 44.98万↓ 45.93万↓
安徽 52.38万↑ 51.3万↑ 49.9万 49.9万↓ 50.99万↓ 54.6万↑ 52.7万↑ 51.1万↑ 50.6万↓
湖南 53.7万↑ 50万↑ 45.2万↑ 41.1万↑ 40.16万↑ 38.99万↑ 37.8万↑ 37.3万↑ 35.2万↓
山东 53万↓ 55.99万↑ 59.2万↑ 58.3万↓ 60.2万↑ 69.61万↑ 55.8万↑ 50万↓ 51万↓
广西 50.7万↑ 46万↑ 40万↑ 36.5万↑ 33万余↑ 近31万↓ 31.5万↑ 29.8万↑ 28.5万↓
贵州 47万↑ 45.8万↑ 44.1万↑ 41.2万↑ 37.38万↑ 33.05万↑ 29.27万↑ 24.78万↓ 24.8万↑
江西 38.94万↓ 42.1万↑ 38万↑ 36.5万↑ 36.06万↑ 35.46万↑ 32.59万↑ 27.43万↑ 26.9万↓
湖北 39.48万↑ 38.4万↑ 37.4万↑ 36.2万↑ 36.14万↓ 36.84万↓ 40.27万↓ 43.8万↓ 45.7万↓
江苏 34.89万↑ 33.9万↑ 33万 33万↓ 36.04万↓ 39.29万↓ 42.57万↓ 45.1万↓ 47.4万↓
山西 32.6万↑ 31.4万↑ 30.5万↓ 31.7万↓ 33.9万↓ 34.22万↑ 34.16万↓ 35.8万↓ 36.1万↑
云南 34.3万↑ 32.6万↑ 30万↑ 29.3万↑ 28万↑ 27.21万↑ 25.59万↑ 23.6万↑ 21万↓
陕西 32.23万↓ 32.59万↑ 31.9万 31.9万↓ 32.8万余↓ 34.4万↓ 35.3万↓ 36.65万↓ 37.53万↓
浙江 32.57万↑ 31.5万↑ 30.6万↑ 29.1万↓ 30.74万↓ 31.79万↑ 30.86万↓ 31.3万↓ 31.6万↑
重庆 28.3万↑ 26.4万↑ 25万↑ 24.7万↓ 24.88万↓ 25.54万↑ 25.06万↑ 23.5万↑ 23万↑
辽宁 24.4万↑ 18.5万↓ 20.8万↓ 21.82万↓ 22.51万↓ 23.9万↓ 25.4万↓ 25.6万↑
甘肃 26.31万↑ 21.8万↓ 27.3万↓ 28.5万↓ 29.6万余↓ 30.38万↑ 29.7万↑ 28.3万↓ 29.6↓
黑龙江 21.1万↑ 20.6万↑ 16.9万↓ 18.8万↓ 19.7万↓ 19.8万↓ 20.4万↓ 20.8万↓ 21万↑
福建 20.26万↓ 20.78万↑ 20万↑ 18.8万↑ 17.5万↓ 18.93万↓ 25.5万 25.5万↑ 25万↓
内蒙古 197901↑ 19.5万↓ 19.8万↓ 20.11万↓ 18.4万↓ 18.8万↓ 19.3万↑ 18.95万↓
新疆 22.93万↑ 20.7万↑ 18.4万↑ 16.61万↑ 16.05万↓ 16.26万↑ 15.87万↑ 15.47万↑
吉林 15万余↑ 15万↑ 14.3万↓ 14.85万↓ 13.76万↓ 16.02万↑ 15.9万↓ 16.2万↓
宁夏 60298↓ 7.17万↑ 6.9万 6.9万 6.9万↑ 6.7万↑ 6.4万↑ 5.87万↓ 6.02万↑
海南 57336↓ 5.9万↑ 5.8万↑ 5.7万↓ 6.04万↓ 6.2万↑ 6.1万↑ 5.6万↑ 5.5万↑
北京 49225↓ 5.9万↓ 6.3万↑ 6万↓ 6.12万↓ 6.8万↓ 7.05万↓ 7.27万↓ 7.3万↓
青海 46620↑ 44313↑ 4.2万↓ 4.6万↑ 4.5万↑ 4.2万↑ 3.97万↓ 4.06万↑ 3.8万↓
天津 56258↑ 5.5万 5.5万↓ 5.7万↓ 约6万↓ 6.1万↓ 约6万 6.3万↓ 6.4万↓
上海 5万 5万+ 约5.1万 5.1万↓ 5.2万↓ 5.3万↓ 5.5万↓
西藏 32973↑ 2.5万↓ 2.8万↑ 2.4万↑ 2.1万↑ 1.96万↑ 1.89万↓ 1.9万↑

这个表的数据是统计的全国各个省市(除港澳台)之外的数据, 各个省市在出成绩之后会出各自的一分一段表, 统计每一分的成绩的人数, 我们以这个数据为准, 由于个人还是没有太多精力去收集数据的,网上找到了 高考100-一分一段表

这个网站, 给出了各个省市的一分一段表, excel 版本, 稍微检查了一下, 数据应该是对的,我就暂时以这个数据为准,

数据太多, 我暂时只做 35万 以上人的省市,只有11个省市,加上 北京上海两个城市的数据, 河南 河北 广东 广西 湖南 湖北 江西 贵州 安徽 四川 山东 北京 上海

其中北京上海不分科,山东是选择一门考试进行考核, 所以 一共23个数据表,后续的话,我尽量将数据也一并上传了

数据整理

上面也提到了北京上海山东的分科比较特殊, 我们就按文理一起算,每个省都是给出最高分及以上的数据, 然后给出100分及以下的数据,但是不是每个省都是100分以下,所以还要特殊考虑,

不同高考政策与分类

山东的高考政策具体不清楚, 但是似乎是考生是在6门副科中任选3门,从一图了解山东高考改革要点

这里查到的

我们就不做分科了, 直接看山东的全体成绩即可。

不同统计方式

北京的人数更少,在400分以下每10分段给出人数,我们为了便于方便 默认每个分数平均人数, 比如 390-399分段的人有813人,我们认为每个分段都有81.3人,暂时这么处理。

不同省市对于最高分数的表示都是 最高分数及以上, 但是对于最低分数的处理就不太一样了, 这里不做评价

比如很多省市是合并在一起 100分以下总计, 有些则只是100分的成绩, 100分以下的成绩是没有给出的,这里最后处理的时候, 我们把0分的人都删除了, 只计算1-100 的人,反正不影响整个曲线

最终我们整理得到数据表, 每个Sheet 表示一个省市的文理科目,然后最上面一行数据分别对应 总分,人数, 累计人数,

数据处理

数据处理思路

这里为了方便 顺手用 Python 来做的, 使用的 pandas 读取的 excel 文件,

我们统计所有的数据的目标就是 将成绩化为 0-100分

那么

\[变换后分数 = \frac{当前分数-最低分}{最高分-最低分} \times 100\]

对于每个省的成绩将其调整到 [0,100], 这里使用的是 四舍五入, 导致实际在计算过程中的数据会重叠,比如相邻的两个成绩一个舍去,一个入上,在统一分数,导致数据噪声较大, 这是使用 一维的中值滤波平滑一下数据就好了,

以河南文科为例, 我们直接绘制归一化之后的成绩并进行中值滤波之后对比,

(图为测试过程中归一化到500分的图像,不影响理解)

各省市分数分布

我们在之前已经整理得到的数据, 然后我们 就要动手做了,

# 整理数据,将各省市的成绩归一到100分之后的分布比率# 引入 pandasimport pandas as pdimport matplotlibimport matplotlib.pyplot as pltimport scipy.signal as ss# 设定中文字体plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号# 设定图像尺寸 与分辨率plt.rcParams['figure.figsize'] = (8.0, 4.0) # 设置figure_size尺寸plt.rcParams['image.interpolation'] = 'nearest' # 设置 interpolation styleplt.rcParams['savefig.dpi'] = 300 #图片像素plt.rcParams['figure.dpi'] = 300 #分辨率# 将成绩统一到 [0,] 区间MAX_SCORE = 100MIN_SCORE = 0data_file = 'Data/data.xlsx'res_file = 'Data/res-'+str(MAX_SCORE-MIN_SCORE)+'.xlsx'# 读取excel , 获取所有表单名字excel_info = pd.ExcelFile(data_file)all_data = {}all_data_ratio = {}# 获取表中的每一个数据文件 并将数据归一化到 0-500for index in range(len(excel_info.sheet_names)): # 读取每一个表单 cur_sheetname = excel_info.sheet_names[index] df_sheet = pd.read_excel(data_file, sheet_name=cur_sheetname) # 获取每一个表中的 总分数 和对应分数的人数 scores = df_sheet[df_sheet.columns.values[0]] nums = df_sheet[df_sheet.columns.values[1]] # 数据 对应 每个分数的人数 表 ROWS = MAX_SCORE - MIN_SCORE + 1 trans_scores_nums = [0] * ROWS rows = len(scores) cur_max_score = scores[0] cur_min_score = scores[rows - 1] cur_index = 0; for s in scores: # 计算 变换之后的分数 四舍五入 trans_score = (int)(round((s - cur_min_score) / (cur_max_score - cur_min_score) * (MAX_SCORE - MIN_SCORE))) # 在计算分数的位置上 加上对应分数的人数 trans_scores_nums[trans_score - 1] += nums[cur_index]; cur_index += 1 # 数据稍微处理一下, 做简单的平滑处理, 去除最低分数据 except0data = [0] * (ROWS - 1) for i in range(ROWS - 1): except0data[i] = trans_scores_nums[i + 1]; # 中值滤波去除噪点 smooth_trans = ss.medfilt(except0data, 7) # 将数据转换成比例, 更具有一般性 sum = 0 smooth_trans_ratio = [0] * (ROWS - 1) for i in range(ROWS - 1): sum += smooth_trans[i] for i in range(ROWS - 1): smooth_trans_ratio[i] = smooth_trans[i] / sum all_data[cur_sheetname] = smooth_trans all_data_ratio[cur_sheetname] = smooth_trans_ratio print('正在进行 {0}/{1}, 表名:{2}'.format(index + 1, len(excel_info.sheet_names), cur_sheetname)) # plt.plot(smooth_trans2)# write_data = pd.DataFrame(all_data)# write_data.to_excel(res_file,sheet_name='res')write_data_ratio = pd.DataFrame(all_data_ratio)write_data_ratio.to_excel(res_file, sheet_name='ratio')print('已经完成,存储文件:{0}'.format(res_file))

我们在这个程序里面主要是 将数据提取出来, 计算成 100分制之后,重新存入 excel 表中,其中人数部分换成了各省市的人数比率,也方便查阅后续的数据

( 因为我感觉 plt 绘制图像不好看,这边使用了MATLAB 进行图像的绘制过程)

% 将 原始数据绘制出来 并计算平均值和中值% 读取 excel 数据 获取名称以及各列名称data_file = 'Data/res-100.xlsx';res_ratio = xlsread(data_file,1,'B2:X501');res_name = {'河南文科', '河南理科', '北京', '上海', '河北文科', '河北理科', '山东', '广东文科' '广东理科' '湖北文科', '湖北理科', '湖南文科', '湖南理科', '四川文科', '四川理科', '安徽文科', '安徽理科', '广西文科', '广西理科', '贵州文科', '贵州理科', '江西文科', '江西理科'};figure()hold on[rows,cols] = size(res_ratio);avg = zeros(cols,1);media =zeros(cols,1);for i=1:cols % 绘制百分比率图 plot(res_ratio(:,i)*100); % 计算平均值 中值 media_l = 0.5; media_find_flg = 0; for j = 1:rows avg(i) = avg(i) + j*res_ratio(j,i); % 统计比率超过一半的 数之后就是中值 找到后就不更新了 if(media_find_flg ==0) if(media_l >0) media_l = media_l - res_ratio(j,i); else media(i) = j; media_find_flg = 1; end end endendlegend(res_name);% 创建 xlabelxlabel({'归一化到100分后成绩'});% 创建 titletitle({'各省市归一化成绩分布比率'});% 创建 ylabelylabel({'单位成绩分布比率'});

最终我们得到了这样的一副图, 细节部分比较多,且数据噪声较大,但是数据的整体趋势大概明白了,噪声较大的黄色的线是北京的,暂时不做过多分析

各省市分数平均值与中值

我们这里的计算平均值就是 每分段人数乘以该分段的比例,最终得到的结果,

然后, 中值这里简单除暴, 找到中间比率所在的区间就好了, 代码没有去过多处理, 能跑出来结果就好

**** 平均数 中数 众数
河南文科 49.48792233 50 46
河南理科 54.58292813 58 65
北京 68.04792125 70 70
上海 57.56537197 60 62
河北文科 51.23109382 52 37
河北理科 58.00918618 61 66
山东 53.14176529 56 60
广东文科 47.7185653 49 52
广东理科 48.64707915 51 55
湖北文科 48.50952865 49 37
湖北理科 51.9093088 55 64
湖南文科 60.26081026 62 72
湖南理科 59.09632919 62 65
四川文科 54.82215427 57 59
四川理科 61.59698771 64 60
安徽文科 51.95829486 55 69
安徽理科 54.62690506 57 56
广西文科 37.84799656 37 31
广西理科 41.46558284 41 33
贵州文科 63.48516406 65 64
贵州理科 57.96584346 58 56
江西文科 53.35740184 55 71
江西理科 56.85982591 61 62

数据简单分析

我们在上一章节给出了一张图, matlab 绘制的图的颜色比较接近, 建议下载原图观看,给出了分布图,

我们把数据最为特殊的几条线单独绘制一下, 最偏右的 黄色 北京 最偏左的 紫色 广西文科 最高的 浅蓝色 贵州文科 最平均的 浅紫色 湖北理科 双峰的 蓝色 江西文科

其实这些形态是有独特的意义的,理论上的曲线是正太分布的,但是由于各种原因,我们以实际曲线为主, 靠右表示 数据整体偏大 靠左整体偏小 最高的表示数据比较集中, 最低的表示数据分布均匀 双峰的表示数据割裂严重(我瞎编的)。。。

就总体而言, 各个省市的成绩的峰值(众数)也主页也分为两个部分,部分省市的峰值在40分左右,主要包括河南文科,河北文科,湖北文科,广西文科,广西理科

剩下的分数的众数都集中在60分多一点的位置,

emmm, 就这么多了, 再多的分析也没有太多用, 毕竟北京NB

剩下的部分就是 高考本科上线率这种数据了, 但是各省对于本科的分数线真是不同

我给出的数据是我在各地高考历年分数线(批次线) 这个网页上能看到2020 年各省高考批次线, 一般的省市都是划分 1本2本专科, 除了北京,上海,河北,山东,广东

后面想办法再做吧, 估计会不做了

高考大省与高考小省

我们拿高考大省河南河北然后对比上海和北京, 看下数据

其实这里应该去找数据轴上的最明显特征的线, 具体数据自己分析好了

但是我们暂时只看这几个数据,

**** 平均数 中数 众数
河南文科 49.48792233 50 46
河南理科 54.58292813 58 65
北京 68.04792125 70 70
上海 57.56537197 60 62
河北文科 51.23109382 52 37
河北理科 58.00918618 61 66

都是前面给出的数据, 我们绘制出来了

北京的成绩是明显优于河北的,河南和上海的数据其实是一直的,即使是在全部曲线图上也算比较中间的类型了,

总结

搞了半天, 屁用没有,就是手痒然后就搞了一大堆, 越搞越多, 后续还有一堆要做的,

根据本篇数据而言, 北京的成绩是比全国各个省市的成绩要好的,可能与培养方式不同吧,

其实这种分数分布并不一定是培养造成的, 还有部分是各省考试情况不同导致的,所以数据仅供参考, 北京NB

备注

我将所有的数据都存在了 Github 上

https://github.com/SChen1024/GaoKao

有兴趣的可随便拿数据进行分析, 后续还会做完最后一点

到此这篇关于数据分析2020年全国各省高考成绩分布情况的文章就介绍到这了,更多相关2020年全国各省高考成绩内容请搜索真格学网以前的文章或继续浏览下面的相关文章希望大家以后多多支持真格学网!

1、2020年全国2113将有近十个省份进行高考改革,高考考试5261科目及模式4102将有较大的变化。2、高考改1653革后,高考成绩由普通高校招生全国统一考试的语文、数学、外语3个科目成绩和普通高中学业水平考试3个科目的等级性考试成绩组成。保持普通高校招生全国统一考试的语文、数学、外语科目不变、分值不变,不分文理科,外语科目提供两次考试机会,选择较好的一次成绩计入总分。计入总分的高中学业水平考试科目,每科满分100分。由考生根据招生高校要求和自身兴趣特长,从思想政治、历史、地理、物理、化学、生物等6个科目中自主选择3科参加考试,每科可报考1次。高考改革:普通高等学校招生全国统一考试(The National College Entrance Examination)简称高考,是中华人民共和国(不包括香港、澳门、台湾)合格的高中毕业生和具有同等学历的考生参加的选拔性考试。普通高等学校根据考生成绩,按已确定的招生计划,德、智、体全面衡量,择优录取。高考由教育部统一组织调度,教育部考试中心或实行自主命题的省级考试院命制试题。考试日期为每年6月7日、8日,部分省市区因考试制度的不同考试时间为3天(即6月7日-9日)。2015年起,高考逐步取消体育特长生、奥赛等6项加分项目。高考并非中国公民获得文凭学历的惟一途径,还有 成人高考、高等教育自学考试、远程学历教育等途径,所取得学历都是国家认可的学历。高考试卷分为全国卷和各省市自主命题试卷。上海、浙江二省市2014年开始第一批高考综合改革试点,北京、天津、山东、海南四省市2017年开始第二批高考综合改革试点。2017年10月19日,十九大代表、教育部部长陈宝生表示,到2020年,我国将全面建立起新的高考制度内容来自www.zgxue.com请勿采集。


  • 本文相关:
  • 2008高考成绩时间查询方法
  • 程序员的八种境界,你在哪一境?
  • ieee spectrum 2014编程语言排行榜
  • chrome扩展学习 右键菜单实现代码
  • ai经典书单 人工智能入门该读哪些书?
  • mercurial入门学习介绍
  • v语言初体验小结
  • 从chrome app看微信小程序的发展前景
  • 字符编码笔记 ascii,unicode和utf-8
  • window下安装jdk1.8+tomcat9.0.27+mysql5.7.28的教程图解
  • 可能是最通俗的一篇介绍markdown的文章
  • 2020年高考总分多少分?
  • 2020年云南省高考加分政策中的细节?
  • 2020年高考作为题目是什么?
  • 2020年高考时间为什么改为4天?你怎么看?
  • 2020年的高考人数是不是会继续上涨?
  • 2020年安徽高考报名人数多少?理科生多少?
  • 距离2020年高考还有多少天
  • 2020年全国卷
  • 网站首页网页制作脚本下载服务器操作系统网站运营平面设计媒体动画电脑基础硬件教程网络安全javascriptasp.netphp编程ajax相关正则表达式asp编程jsp编程编程10000问css/htmlflex脚本加解密web2.0xml/rss网页编辑器相关技巧安全相关网页播放器其它综合dart首页其它综合2008高考成绩时间查询方法程序员的八种境界,你在哪一境?ieee spectrum 2014编程语言排行榜chrome扩展学习 右键菜单实现代码ai经典书单 人工智能入门该读哪些书?mercurial入门学习介绍v语言初体验小结从chrome app看微信小程序的发展前景字符编码笔记 ascii,unicode和utf-8window下安装jdk1.8+tomcat9.0.27+mysql5.7.28的教程图解可能是最通俗的一篇介绍markdown的文章最新idea2020注册码永久激活(激活intellij idea2020永久破解,亲测intellij idea激活码获取方法(i删除svn三种方法delsvn(windows+c/s和b/s两种架构的概念、区别和网址(url)支持的最大长度是多少5个linux平台程序员最爱的开发工url中斜杠/和反斜杠\的区别小结提示“处理url时服务器出错”和“计算机科学中32个常用的基础算法tiobe编程语言排行榜前20的语言入门书籍推在codeigniter中 在ci中引入外部的js与cswin10安装anaconda+tensorflow2.0-cpu+py新手程序员编程必不可少的工具二维码的生成细节和原理几道和「黑洞照片」那种海量数据有关的算字符编码详解及由来(unicode,utf-8,gbk) hadoop-3.1.2完全分布式环境搭建过程图文ai经典书单 人工智能入门该读哪些书?
    免责声明 - 关于我们 - 联系我们 - 广告联系 - 友情链接 - 帮助中心 - 频道导航
    Copyright © 2017 www.zgxue.com All Rights Reserved