上周末，各区教育网站都公布了今年平行志愿各学校的投档线，这也就意味着今年的中考基本就尘埃落定了。

常常会有家长在后台询问：

浦东中考的压力很大啊，有没有必要把户口迁到黄浦，在黄浦参加中考呢？徐汇的竞争真是大啊，600分都不一定上得了上海中学，要不要考虑去静安啊？……

中考，其实可以说一个重要的分水岭，有接近一半的孩子没能进入普通高中。今天大D老师就用今年上海中考的一系列数据，来分析一下上海的中考压力，供大家做个参考

1

首先，还是先晒出大D老师之前排出的上海最好的十六所高中：

哼哈二将：上中、华二；

四大天王：复旦附中、交大附中、七宝中学、建平中学；

独立二仙：上实、上外附中；

八大金刚：南洋模范、格致中学、大同中学、控江中学、延安中学、复兴高中、进才中学、交大附中（嘉定）。

其中，上中、华二、交大附中、复旦附中都是市教委直属的，所以经常会被合称为“四大名校”。

上实也是市教委直属的，因为和上外附中一样具有特殊性，暂时不多讨论，接下来文中中可能会更多的讨论“四大名校”以及其他十所学校。

上海中考的报名录取，又分别有提前招生、零志愿、名额分配、统一志愿，我们一个个来看。注意，本文数据较多较复杂，请仔细阅读。

2

先来说提前招生，也就是我们说的推优和自荐。

上海市示范性高中（接下来称市重点）会将招生计划的一部分拿出来进行提前招生，学生可以通过学校推荐或者自荐进行报名，推优和自荐只能选择一项。

各学校会根据综合评价对学生进行预录取，被预录取的学生，只要中考成绩达到提前批投档线即可正式被录取，并且不得放弃。

比如，身在华育中学的A同学今年通过自荐的方式报名了上海中学，并且被上海中学预录取，那么今年中考A同学只要中考分数在540分以上就可以被正式录取。（今年提前招生录取最低投档线为540分）

来看看我们最为追捧的“四大名校”在各区的推优自荐计划如何？要知道华二和交大附中是没有平行志愿的，所以推优和自荐占非常大的比重。

四大名校2017年推优自荐计划

从这份数据，我们可以看出“四大名校”推优的名额多集中在市区：

上中推优名额最多的是徐汇区；

华二推优名额最多的是浦东新区；

复旦附中推优名额最多的是杨浦区；

交大附中推优名额最多的是浦东新区。

自荐，一定程度上来说，每个孩子都有机会参与，那我们暂且把自荐的名额当做每个区都有，结合各区中考人数，来看看上海各区通过提前招生进四校的压力如何？

2017年各区“四大名校”推优自荐理论占比

从表里可以看出，通过推优自荐进“四大名校”的平均比例约为15%，也就是说，全上海每个孩子都有15%的可能性通过推优和自荐进“四大名校”。当然，这只是理论上的比例。

理论上来说，通过推优自荐进“四大名校”压力最小的是虹口区、长宁区、黄浦区，压力最大的是浦东新区、闵行区、宝山区。

我们再来看看四校提前招生最终录取的情况，通过比较，被预录取的孩子中还是存在未被最终录取的。

2017年“四大名校”提前招生录取情况

从这个表里，可以看到最终通过推优自荐被“四大名校”录取的，还是徐汇区和杨浦区进“四大名校”的比例最高，而郊区均是寥寥无几。

当然，这里面也是有bug的，比如：

上中在徐汇区提前录取的122人中有114来自华育；

华二在嘉定区提前录取的23人均来自嘉定华二初级中学；

复旦附中在杨浦区提前录取的95人中有67人来自兰生复旦。

所以，推优自荐的名额虽然看起来是分配到各区，但实际上每所学校都会有所偏重，特别是这“四大名校”基本都有自己的嫡系初中，这一定程度上也说明了为什么这些初中学校够热门。

3

接着来说说零志愿。

零志愿是什么意思？首先要清楚一点，零志愿是市重点拿出一部分名额来跨区招生，比如控江中学的零志愿就跟杨浦本区的孩子没有半毛钱关系，当然，像“四大名校”这几所市教委直属的学校除外。

同样的，先来看看市重点在各区的零志愿招生计划是什么样子。

2017年各区零志愿招生计划

除上实外，上海64所市重点零志愿招生计划是2260人。从上面这个数据来看：崇明、宝山、奉贤的孩子想要通过零志愿考外区市重点的压力最大；徐汇、虹口、杨浦的孩子想要通过零志愿考外区市重点的压力最小。

那“四大名校”的情况又是怎样的？

2017年上海中学零志愿计划及投档线

上中零志愿招生计划主要集中在徐汇、浦东、闵行。

从零志愿分数线来看，最高的是杨浦608分，零志愿只招1个，看来杨浦的孩子想通过零志愿报上中的，竞争还是大啊；

相比宝山，同样零志愿只招1人，但是分数却低了13分；

还有黄浦，分数线来到了588分，比杨浦那个低20分；

值得注意的是，在青浦是有1个计划的，不知道是没有人通过零志愿报上中，还是报名的没有达到573分。（今年零志愿最低投档线573分）

2017年华二零志愿计划及投档线

华二零志愿计划主要集中在浦东、徐汇、静安。

从零志愿分数线来看，最高的也是杨浦601.5分，而且是4个人；

最低的是虹口和金山594分，虹口6个人，金山2个人；

另外，对比一下浦东和青浦，都是599.5分，但是浦东有80人，青浦只有2人，是不是可以理解为浦东高分段的考生更多呢？

2017年复旦附中零志愿计划及投档线

复旦附中零志愿计划主要集中在浦东、杨浦，其他几个中心城区也算比较平均。

放眼一看，在各区的投档线都差不多600分，最高的是嘉定604.5分，最低的是宝山594分。

看来，复旦附中零志愿的报名人数应该不少，还都是高分段的。

2017年交大附中零志愿计划及投档线

交大附中零志愿计划集中在杨浦、浦东、静安，跟复旦附中一样，其他几个中心区也比较平均。

从分数线来看，只有闵行的在600分以上，其他区都在600分以下，不过也都590分以上了，竞争也是很激烈。

总的来看这“四大名校”的零志愿，在各区平均分数线约为597分，其中复旦附中600分，交大附中594，上中和华二都是597分。

当然，零志愿是市重点跨区招生的名额，单看“四大名校”可能不太够，我们再来看看其他十大高中的零志愿的情况如何？

2017年十大高中在各区零志愿分数线

这张表里的内容可就多了，要仔细端详。

首先，空白处是指这所学校在该区没有零志愿，比如杨浦的孩子想进七宝，只有推优或自荐这一条路，没有零志愿；

同一个学校的零志愿分数线在各区都不同，分差最大是延安中学，在普陀区分数线是600.5分，在青浦区分数线是579分；

分数线高低跟市区郊区并没有关系，比如南洋模范在崇明区的分数线最高，600.5分，比如大同中学在宝山区的分数线最高，604.5分；

单就这十大高中来说，静安区的孩子算是最幸福的，这十所学校在静安都有零志愿的招生；

从这十所学校在各区零志愿平均分数线来说，最高的是七宝、大同、控江，最低的是延安中学和交附嘉定；

从各区进这十所学校的零志愿平均分数线来说，最高是黄浦区，最低的是青浦区；

另外，无论是各区零志愿平均分数线，还是这十所高中零志愿平均分数线，都是593分左右，也就是说，想要通过零志愿进入这十所学校的，最低要593分吧。

从市重点的零志愿计划和上面这十四大高中的零志愿分数线来看：

零志愿计划最多的是浦东新区、闵行区、徐汇区、静安区，也就是说，这几个区的孩子通过零志愿跨区市重点的机会更多；

从各区的中考人数来看，崇明区、宝山区、奉贤区等郊区零志愿的压力最大；

从各区的零志愿分数线来看，黄浦区和徐汇区的竞争还是很大的，当然也可能是高分段的人比较多。

4

再来看看名额分配。

名额分配是市重点将招生计划里18%的名额按照各区报考人数比例，分配到本区各初中学校，按考生成绩择优录取。可以把它理解为定向招生，在各区校内排位竞争。

同样的，我们来看看九大高中名额分配分数线排名前二十的情况，教委直属的几所学校以及交附嘉定都没有名额分配哦。

2017年九大高中名额分配分数线前20

名额分配的分数线一定程度上说明这些初中学校的孩子进这九大高中的难易度，比如：

杨浦区的孩子想通过名额分配进控江中学的，杨浦实验最难；

黄浦区的孩子想通过名额分配进格致的，向明初级最难；

浦东新区的孩子想通过名额分配进进才的，建平西校最难。

当然，这个跟各初中学校的中考人数也有关系，不过还是很具有参考性的。

5

最后来看看统一志愿。

周六的时候各区教育局官网都陆续公布了各学校的统一志愿投档分数线，这个就没得说了，就是各区自己看分数高低来了。

那我们来看看65所市重点统一投档分数线排名情况如何？

首先，我们了解一下市重点的分布：

黄浦9所，徐汇5所，长宁3所，静安7所，普陀3所，虹口3所，杨浦3所，闵行5所，宝山3所，嘉定2所，浦东7所，金山2所，松江2所，青浦3所，奉贤1所，崇明1所，市教委直属6所。

2017年市重点统一录取分数线排名情况

除了表格末尾这几所没有统一志愿的学校外，从投档线排名来看，排在前面的学校基本上还是大D老师经常提的那十四大高中，毕竟好学校都想进嘛，竞争压力最后还是落在了本区的孩子身上。

从分数线来看，市重点平均投档线分数线约为580分，最低的投档线是543.5分，也就是说，想要进市重点，中考分数至少要544分以上吧；

在统一志愿分数线排名前二十里，浦东有5所，黄浦有3所；

值得注意的是，复旦附中的统一志愿投档线比零志愿投档线还要高，真是丧心病狂。

这个数据一定程度上也反映了魔都的孩子们对各学校的追求热度，不过，有细心的家长发现这些市师范性高中里也并不是全都排在本区前列。我们再来看看各区投档分数线排名前五的学校都是谁？

2017年各区统一投档分数线排名前5情况

6

通过对2017年上海中考的数据分析，大D老师简单总结一下。

首先，上海高中的排名，大D老师我依然选择这样排出十六大高中：

第二，推优自荐进“四大名校”压力最大的是浦东、闵行、宝山，最终推优自荐进入“四大名校”人数最多的是徐汇、杨浦、浦东，比例比较高的还有虹口和静安，郊区寥寥无几。

第三，零志愿压力最大的是崇明、宝山，压力最小的是徐汇、虹口。

第四，上中零志愿分数线最低的是黄浦，华二零志愿分数线最低的是普陀，复旦附中零志愿分数线最低的是宝山，交大附中零志愿分数线最低的是金山。

第五，十大高中零志愿平均分数线约为593分，其中，零志愿分数线最高是黄浦区，最低的是青浦区。

第六，名额分配能看出本区哪所初中压力最大，比如杨浦的杨浦实验，黄浦的向明初级，浦东的建平西校等。

第七，统一志愿分数线最高的是复旦附中和上中两所教委直属学校，也是“四大名校”里招收统一志愿的学校。

第八，市重点统一志愿分数线最低的是回民中学543.5分，市重点统一志愿平均分数线约为580分。

第九，综合来看，除了大D老师我排出的十六大高中外，从数据来看，比较冒尖的学校还有上师大附中、位育中学、洋泾中学等。

最后，回到开头的问题，黄浦静安的压力真的不大吗？未必吧，尽管从比例上来看，黄浦和静安的市重点最多，但是从推优自荐、零志愿、名额分配、分数线来说，竞争都一样激烈啊。

尽管某些区从中考人数和市重点学校比例来看，压力貌似很小，但实际上，由于每个孩子的选择更多了，各区的压力其实是差不多的。

7

附各个高中统一投档线排名详情。

徐汇区统一录取投档线排名情况

杨浦区统一录取投档线排名情况

闵行区统一录取投档线排名情况

浦东新区统一录取投档线排名情况

虹口区统一录取投档线排名情况

静安区统一录取投档线排名情况

黄浦区统一录取投档线排名情况

长宁区统一录取投档线排名情况

普陀区统一录取投档线排名情况

宝山区统一录取投档线排名情况

松江区统一录取投档线排名情况

嘉定区统一录取投档线排名情况

青浦区统一录取投档线排名情况

金山区统一录取投档线排名情况

奉贤区统一录取投档线排名情况

崇明区统一录取投档线排名情况

注：各项数据来源于教育考试院以及各区教育网，如有错漏，欢迎进行指正和补充，对于大D老师的分析有不同见解的，也欢迎在文末留言进行分享！

欢迎进群

为了爸爸妈妈们有更好的交流平台，上哪学现已开启进群通道，根据不同的需求，目前上哪学开设入园、幼升小、小升初三个阶段群以及各区分群，想要进群的家长，可以添加小乐子（shangnaxue-C），添加时备注“进群”即可。

来源:解放日报

上海不仅在全国所有城市中名列“最爱读书城市”的第二位，而且在“人文气息”“生活品质”“创新潜力”“经济活力”和“重视教育”五个阅读指数分榜单中，位于四份分榜单的前三甲。23日是“世界读书日”，首届数字中国建设峰会发布了《从阅读指数看城市气质报告》（以下简称《报告》）。这份《报告》首次对全国300多个城市阅读数据进行统计分析，发现上海人爱读书。

谁在读书？在读什么书？

此次《报告》立足阅文集团在线阅读数据和京东图书销量数据，同时覆盖线上阅读和线下阅读人群。数据显示，90后更喜欢在线阅读，80后、70后更偏爱纸质书。具体来看，腾讯阅文集团在线阅读人数的59%集中在16岁至25岁年龄段，而京东纸质书销售量的44%集中在26岁至35岁年龄段、30%集中在36岁至45岁年龄段。

就人们爱看的图书主题来看，2017年排名前三的图书主题分别是文学、励志、童书；但增长最快的图书主题前三位分别是绘画、人工智能和艺术。尤其是科技、设计类图书越来越受到关注。比如，人工智能的阅读指数相较2016年同比增长达到231%。

上海人爱读什么书？

《报告》发现，不同城市的居民喜欢的图书主题有所区别，不过上海作为最爱读书的城市之一，几乎所有的主题都有涉猎，而且属于“深度阅读”。

比如，体现“人文气息”的分榜单主要聚焦文学、历史、哲学、音乐、绘画、书法、摄影等图书的阅读情况。在全国所有城市中，上海对此类图书的阅读指数排名第二。体现“生活品质”的分榜单则聚焦旅行、美食、养生、时尚、居家等图书主题，而上海成为全国最喜欢这类图书的城市。“经济活力”分榜单关注的是经济、金融、投资等主题的图书阅读情况，这一次，上海排名全国第三。“重视教育”分榜单则关注教辅、考试、工具书等图书，上海排名全国第二。

此外，《报告》还针对人们阅读过程中比较关注的内容，分析了音乐、摄影、旅游、美食、健康养生等五类图书的阅读情况，发现上海读者对音乐、摄影、旅游、美食情有独钟。

上海中公教育为考生深扒那些最受考生欢迎的事业单位主管部门，2018年上海事业单位考试，你是否也准备报考这些部门呢？

部门"最"盘点

竞争比最激烈的部门TOP3

2017年 竞争比最激烈的部门TOP3 ↓

2016下半年 竞争比最激烈的部门TOP3 ↓

历年事业单位考试日历

中商情报网讯：北京和上海常住人口均超2000万，但2017年却首次同时出现负增长，分别减少2.2万人和1.37万人。2017年广州和深圳放宽落户条件，大力吸引人才，人口增量不可小视。其中深圳人口增量61.99万人，广州45.49万人。值得玩味的是，深圳人口增量反超广州。此外，北京上海人口规划余额不足，广州深圳增长空间大。

人口比拼：北京上海首次同时下降 深圳增量反超广州

北京：2017年末，北京常住人口2170.7万人，比上年末减少2.2万人，下降0.1%，为2000年以来首次出现负增长。但是北京从1978年到2017年，出现过两次常住人口负增长，一次是1997年，还有一次是2017年。1978年，北京常住人口为871.5万，这一数字一直增加，到1996年达到1259.4万。1997年，北京常住人口下降到1240万，此后再持续增加。2016年底，北京常住人口达到了2172.9万。2017年，这一数字下降到2170.7万。

上海：2017年末，上海常住人口为2418.33万人，比上年末减少1.37万人。这是从1978年以来，上海第二次出现人口规模缩减，上一次为2015年，缩减了10.41万人，但在此后出现了反弹。

2017年是近四十年来，北京和上海常住人口首次同时出现负增长。最近几年，京沪加快一般产业疏解，同时清理了违章建筑，加强群租房的管理，这会疏解部分人口。再加上高房价等因素叠加，京沪人口肯定不会再回到此前的快速增长了。

广州：2017年末广州市常住人口1449.84万人，比上年增加45.49万人，增量同比较少8.75万人。2016年广州人口增量比深圳高出1.27万人，2017年广州虽然出台了放宽落户限制，但是人口增量却被深圳赶超。深圳人口增量比广州多16.5万人。

深圳：2017年深圳常住人口1252.83万人。2017年，深圳常住人口增量达到62万，是近年来的峰值。往前回溯，2011年以来，深圳的年度常住人口增量大约在9万人左右，2014年达到了15万。2015年深圳实行安居办法，对落户大学生发放补贴。此后三年持续飙升，常住人口增量都超过了50万人。2017年深圳出台入户新规，放宽人才落户条件，人口增量进一步增长。

近几年，广州和深圳大力吸引人才，但是随着经济的发展，深圳优势越发明显。2016年GDP重新核算后，深圳反超广州，2017年广州同深圳经济差距拉大，GDP总量比深圳少近千亿。创业和就业环境，深圳也较广州优越。即使深圳房价和房租高于广州，外来务工人员依旧偏爱深圳。

数据来源：中商产业研究院大数据库

人口规划：北京上海余额不足 广州深圳增长空间大

根据此前的规划，到2020年，北京的常住人口将控制在2300万以内，并长期稳定在这一水平；上海更是规划到2035年，常住人口控制在2500万左右。而2017年，北京的常住人口为2170.7万人，增长空间已经有限。上海的常住人口为2418.33万人，更是几乎没有增长空间。

相比之下，广州人口增长空间相当大。规划称，2035年常住人口规划控制在2000万人左右，同时按照2500万管理服务人口进行基础设施和公告服务设施配置。2017年广州常住人口近1500万人，按照每年50万人增量算，广州常住人口还有时间增长空间。

2010年国务院批复深圳市城市总体规划要求，2020年深圳城市常住人口控制在1100万人以内。2016年深圳常住人口增量近62万，常住人口1252.83万人，常住人口数量超标。未来不排除深圳重新规划常住人口数量。按照广州规划来看，深圳常住人口规划极有可能比肩广州。

中商情报网讯：2017年上海市住宿和餐饮业实现零售额1025.39亿元，增长7.9%。平均房价上，2017年上海市星级酒店平均房价为713.1元/间天，与去年同期相比增长3.07%。2017年上海市星级酒店平均出租率为68.76%，与去年同期相比增长0.64%。整体看来，2017年上海市星级酒店平均房价相对去年来说是有所提高的，出租率发展趋势良好。进入到2018年，上海市酒店业发展情况如何呢？以下对上海市2018上半年平均房价以及出租率做了简要分析。

平均房价上，上海市星级酒店6月平均房价为749.97元/间天，与去年同期相比增长2.89%。整体来看，数据显示2017年7月-2018年6月上海市星级酒店平均房价相对上年来说是有所提高的，2017下半年，7-8月星级酒店与上月相比有大幅下降，9月房价开始回温。2017年12月-2018年2月上海市星级酒店平均房价基本维持稳定状态。2018年4月平均房价环比增长迅速，达797.32元/间天，为近一年来最高水平。

数据来源：中商产业研究院大数据库

2018年6月上海市星级酒店平均出租率为69.61%，与去年同期相比下降1.16%。2月平均出租率是近一年来上海市星级酒店平均出租率首次下降到50%以下，并且相比上一年出租率明显下降。3月出租率明显提高。3-6月星级酒店出租率整体保持稳定状态。

数据来源：中商产业研究院大数据库

按星级来分，2018年6月上海市五星级酒店出租率为72.58%，同比下降0.66个百分点，平均房价为980.36元/间天，与去年同期相比下降1.47%。四星级酒店出租率为68.52%，同比下降1.11%，平均房价为561.01元，增长4.91%。三星级酒店平均房价为399.04元，同比增长8.82%。二星级酒店出租率与去年相比增长1.06%，房价为334.41元，同比增长25.68%。

数据来源：中商产业研究院大数据库

以上材料及分析均来自中商产业研究院发布的《2018-2023年上海星级酒店行业市场前景及投资机会研究报告》。

普通人要是能懂一点数据分析，可以有多厉害呢？这里先给大家讲个小故事。

有一天，我们老大从徐家汇赶去机场，上了一辆“大众”。师傅对他说，徐家汇我就喜欢做美罗大厦的生意。看到你从写字楼里出来的，肯定去的不近……

“哦?你很有方法嘛!”老大附和了一下。

“做出租车司机，也要用科学的方法。”师傅说。

“什么科学的方法?”

“要懂得统计。我做过精确的计算，我每天要开17个小时的车，每小时成本34.4元……”

“怎么算出来的?”刘润追问。

“你算啊，我每天要交380元给公司，一天17小时，平均每小时固定成本约22元;油费210元左右，平均每小时12.4元油费。加起来是不是就是 34.4元?”

老大当时就有些惊讶了。打了10年车，还是头一次听到出租车司机这么计算成本。然后后面的话，更是令我老大深感震惊。

“成本是不能按公里算的，只能按时间算。我做过数据分析，每次载客之间的空驶时间平均为7分钟。如果上来一个起步价，10元，大概要开10分钟。也就 是每一个10元的客人要花17分钟的成本，也就是9.7元。不赚钱啊！如果说做浦东、杭州、青浦的客人是吃饭，做10元的客人连吃菜都算不上，只能算是撒了些味精。”

“要用科学的方法做生意。天天等在地铁口排队，怎么能赚到钱？……一次一个人打车去火车站，问怎么走。他说这么这么走。我说慢，上高架，再这么这么走。他说，那就绕远了。我说，没关系，你经常走你有经验，你那么走50块，你按我的走法，等里程表50块了，我就翻表，多的算我的。最后，按我的路走，多走了4公里，快了25分钟，我只收了50块。乘客很高兴。这4公里对我来说就是1块多钱的油钱。我相当于用1块多钱买了25分钟。我一小时的成本34.4块，我多合算啊!”

“在大众公司，一般一个司机三四千，好的大概5千左右。顶级的司机大概每月能有7千。全大众两万个司机，大概只有两三个每月能拿到8千以上。我就是这中间的一个。而且很稳定，基本不会有大的波动。”

一个普普通通的出租车司机，竟然懂这么精彩的MBA知识，这就是数据分析的力量，它存在于我们生活，工作中的每一个角落。

如今无论哪个行业，都希望能用“数据”武装自己。数据分析技能也已经成为个人竞争力的重要组成部分。提高工作效率、发现数据背后的秘密、用数据指导工作……都是职场人学习数据技能的动力。

可惜的是，对于数据分析，90%的人不知道Ta有多重要、或者知道Ta重要但并不重视。只有极少数人真正在工作中重视Ta并且运用Ta。换句话说，如果你稍微懂一点数据分析的技能，那么你已经可以打败90%的人了。

怎么样？想不想现在有没有想懂一点数据分析了？

知己知彼,百战不殆;不知彼而知己,一胜一负;不知彼,不知己,每战必殆。

——《孙子·谋攻篇》

2018年上海市初中毕业统一学业考试已告一段落，新高一的学子们陆陆续续去新的校园报道，即将开始高中生涯，而尚在初中奋斗的同学们有想好报考哪所学校吗？是否清楚心仪学校的历年分数线和其变化的原因呢？黑板君这就带大家详细分析上海四校的分数线情况。

一、四校零志愿

四校零志愿16区的录取情况如上图所示。零志愿是统一招生录取批次里，市重点中学跨区招生的方式。从图中看到，四校零志愿录取线最高612.5分，最低573.5分。

上海中学在全市16个区都有投放计划，零志愿最高分为青浦区612.5分，最低为嘉定区588.5分，全区平均分约603分。

华二在全市16个区都有投放计划，零志愿最高分为闵行区605.5分，最低分为宝山区593.5分，全区平均分约599分。

复旦附中零志愿最高分为闵行区608.5分，最低分为嘉定区573.5分，全区平均分约595.5分。

交大附中零志愿最高分为闵行区604.5分，最低分为嘉定区591分，全区平均分约600分。

其实大家已经能看出，闵行区的学生们竞争非常激烈；而嘉定区相对的没有那么夸张，平时分数不错的学生都有机会（黑板君看到573.5分时都惊呆啦）。那么这就包含了填志愿的技巧与智慧了，切不可扎堆填报某一所四校，这样只会推高该校的分数线，容易掉到平行志愿。

二、四校平行志愿

四校及其分校中只有三所有平行志愿，它们是上海中学、复旦附中和交附嘉定。这几年交附嘉定的超高分数线大家有目共睹，另外两所是超一流的高中，人气自然不用说，无论总体是难还是容易，坚挺的分数线说明了一切！

上图是最近几年的这三所学校的分数线。以建平的分数线为参考，这三所学校的分数线一路走高。2013年和建平不相上下，有高有低。而2018年时，建平中学的分数线与5年前持平，其余三所都有不同程度的上涨，热门程度可见一斑。

三、四校提前批次

上海中考的普通高中录取有两个批次，为提前批和统一批，其中提前批次包含了推优生和自荐生，故提前批次招生也被称为自主招生。全市58所市重点均有提前招生的名额，总计占招生名额的40%，其中四校的提前招生名额已将近达到 50%。

2018自招数据整理自教育考试院。推优和自荐占到四校及其分校招生的50%左右，属于提前批中的第一录取顺序。四校分校的总招生比较少，所以自招人数也比本部要少上不少，由此也可以窥见这些名校的招生总人数。

一旦能成功取得该校的提前批次录取名额，那么在该年的中考时，考到提前批次的最低投档控制分数线以上即可，比如今年上海公布的提前招生录取线为不得低于530分。

如果是有能力通过自主招生的学生，那么相信530分一定不是问题，在此我们不讨论提前批次分数线，来看看四校对于自招学生有哪些要求？

（信息来源各校官网）

从上图可见，无论是推优还是自荐，四校都更愿意录取在市级、区级学科竞赛或创新大赛中取得奖项名次的学生。同学们在学有余力的情况下，可以多参加各类活动和竞赛，提升自身竞争力。

综上，自招（推优/自荐）这条渠道在四校及其分校的占比非常之大，而且没有区域的限制，是各位有志学生的首选。

文 coffee | 编辑 lemon

微信关注“自招小黑板”

加入黑板家长会

2017年是上海高考第一年“3+3”新模式下的高考，2018年的高考报名工作现在也全面启动，小编在前阵子刚刚整理了2017年上海高考录取相关的一些数据，今天来给大家分享一下，供新一年的高考生参考。

结论先行：

1、约5%的高三考生选择了在春考阶段升入大学；

2、上海的重点大学升学率名列全国前列，平均录取分达到526分；

3、重点大学主要招生计划7成分布在本地9所高校中，其中上大人数最多；

4、新高考改革第一年本地各高校录取分数并没有出现特别大的波动；

5、各高校投档线中外地高校的分数线普遍高于本地高校。

关于春考

在讨论“3+3”模式秋考之前，先说一句去年春考的数据，2017年春考总共23所高校招生，招生人数为2211人。由于春考的报名与1月份的学业考、英语一考同步进行，因此最终春考的实际报名人数并没有特别完整的数据。

2017高考整体数据

2017年上海高考总报名人数约4.7万人，其中本科院校招生人数约2.6万人，占比55%，也就是说大部分高考生都是可以升入本科院校的。

除此之外，985高校和211高校在上海招生人数分别约为2700人和6600人，占比分别达到5.9%和14%，也就是说上海2017年的高考生中有20%的人是可以升入985/211重点高校的。20%的重点大学升学率在全国来看仅次于天津地区位列第二，对于经历了非常残酷的小升初、中考选拔之后的上海高考生来说，高考的升学率其实还是非常可观的。

在分数方面，2017年上海高考不分文理、取消一本二本分数线，只设置了一条本科线——402分，而全国各985/211高校在上海的招生录取分数线平均分为526分，高出本科线124分。大家可以结合自己目前的分数来推算一下有多大的可能性可以升入985/211高校。

本地重点大学录取数据

全国985/211高校总计在上海招生约9000人，其中3/4的招生计划在本地的9所高校。（招生计划共分为：自招、综评、提前批、普通批、农村专项、艺术类、体育类）

其中本地的9所高校具体招生情况如下：

四所985高校总计招生人数达到了2772人，大部分为综评、提前批招生名额；

上财由于招生人数较少，同时又是财经类高校，分数线排名全国第10，上海第4；

上大作为以城市名命名的高校，在沪总计招生1633人。

高校投档分数线

985/211高校之外，小编特整理了上海和外地部分高校在2016年和2017年两年的投档线排位对比，仅供大家参考。通过下面两张表更加凸显了今年志愿填报整体还是呈现出一个相对稳定的态势。

几点说明：

1、2016年的排位以理科投档线为准，毕竟理科生较多，这个相对更有参考价值；

2、2017年的排位以各个专业组中分数线最低的专业组为准，投档线是该院校录取的末位考生的分数，因此选取分数最低的专业组相对更有参考价值；

3、排位差是指相比去年，今年的投档线排名差值，如：交大医学院去年投档线排位是第七，今年是第三，排位差=7-3=4。

分专业组分数线

我们再来细分到专业组来看一下数据：2017年上海高考本科普通批次，总共有990个专业组在上海进行招生，最终有75个专业组未有考生填报。小编在剩下的915个专业组中，拉取了投档线排名前100的高校专业组，其中来自上海的有11个高校的18个专业组，11个高校分别是：复旦大学、上海交大、交大医学、同济大学、复旦医学、上海财大、华东师大、上海外大、华东政法、华东理工、东华大学。

在投档线排名前100名的专业组中依然是以外地高校为主，一方面是外地高校在上海招生人数相对较少，另一方面是外地高校数量相对较多，所以导致了投档线相对较高（北大、清华在本科普通批次没有招生计划）。具体如下表（上海高校已标黄）：

专注于上海高考升学政策、名校招生信息、上海高校自主招生信息分享。

——上海高考生

记者昨天从工信部组织的“大数据和实体经济深度融合高峰论坛暨2018大数据产业发展试点示范项目发布会”上获悉，使用上海原创技术的“通用拟态大数据平台”，入选工信部2018年大数据产业发展试点示范项目，将为我国在大数据分析挖掘领域实现高效能、高安全提供国际原创技术路径。

当前，我国正在实施大数据战略。随着各行各业积累数据量的增加，数据处理的复杂性、系统能耗、数据安全等挑战随之凸显。“数据大”转换为服务经济社会发展的“大数据”难度，与数字经济蓬勃发展的强劲需求形成反差。如何消除这种反差？中国工程院院士、国家数字交换系统工程技术研究中心主任邬江兴认为，通用拟态大数据平台能提供解决方案。

“通用拟态大数据平台”由上海红神信息技术有限公司、上海红阵信息技术有限公司、复旦大学等单位牵头研制。“拟态大数据”源自“拟态计算”，后者则源自一种动物——拟态章鱼。它能通过扭曲肢体、改变颜色，模仿十几种动物的外表和行为。受此启发，邬江兴提出了研发拟态计算机的构想：计算结构动态可变，适应各种不同应用，以提高计算机效能。在科技部和上海市科委支持下，他带领团队耗时6年，研制出世界首台拟态计算机原理样机。2013年，这项成果入选两院院士评选的“2013年中国十大科技进展”。

2015年，“拟态安全”作为重大战略项目，写入上海科创中心建设“22条意见”。从那以后，拟态计算和拟态安全技术得到市科委、市经信委的更大支持。研发团队将其应用于大数据领域，并牵头成立了全国首个“大数据试验场”联盟，建设引领学术、技术、应用、产业发展的创新策源平台。“大数据试验场”的建设运营，为通用拟态大数据平台此次入选国家示范项目打下了基础。目前，来自试验场的成果正在嘉兴审计系统全面上线应用。

邬江兴表示，与国内外大多数大数据产品不同，通用拟态大数据平台打破了立足于通用计算资源与开源架构的堆叠技术路线，一改数据安全和业务安全领域普遍采取的“外挂式”被动防御策略，引入国际原创的拟态计算和拟态防御理论，从根本上突破体系架构单一性束缚，提高了数据处理与存储效率。通用拟态大数据平台能适应当前“有毒带菌”的网络空间生态，以一体化鲁棒构造产生的内生安全机制，推动该平台形成“自身免疫力”，完成系统整体的升级换代。

据悉，通用拟态大数据平台的建设目标是研制面向大数据处理场景、软硬件深度耦合、节能高效和安全可靠的大数据标准化装备，探索建立自主可控的大数据基础设施，为数据获取、存储、分析、运用等环节提供安全高效的解决方案。（记者 俞陶然）

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

每周2-3场免费数据领域公开课，每月线下活动，欢迎关注！

之前的一系列文章都讲了关于python的基础知识，接下来的一些内容会讲一讲可视化方面的内容。对于可视化而言，Python和R语言，我还是非常喜欢使用R语言的，因为用她作图既简介又高效。今天我们就分享一篇关于使用R语言抓取上海近7年天气数据案例。

先来看看，我们需要抓取的网站内容，如图所示：

红框中就是我们需要抓取的上海天气信息，包含日期、最高气温、最低气温、天气、风向和风力。而这些内容是可以在网页的源代码中查询得到，你可以按一下键盘中的F12快捷键，我以自己的Chrome浏览器为例，可以返回如下图所示的信息：

通过点击红框中的按钮，再回到左侧或上侧的原始网页，任意点击日期值或其他指标值，就会立刻返回如下图所示的内容：

发现没有，网页中8.1日的天气数据全都包含在ul这个标签内，而这个标签的父级标签是红框中的p标签。只要锁定这两个标签，就可以快速的将网页中天气数据抓下来。

知道如何从源代码中查询网页数据所在的标签，接下来只需要借助R语言的rvest包，就可以轻松抓数啦。关于该包，我先只介绍如下三个重要的函数：

html_session(url, ...)

读取并下载url源代码

html_nodes(x, css, xpath)

运用css标签抓取信息

html_text(x, trim = FALSE)

抓取的内容去标签化

下面就以2017年8月份上海天气链接为例，讲解上面的三个函数的应用原则：

url<- 'http://lishi.tianqi/shanghai/201708.html'

# 发送请求，并抓取源代码

library(rvest)

page<- html_session(url)

# 查看请求结果

page$response

# 根据标签抓取目标数据

info<- html_nodes(page, 'p.tqtongji2 >ul')

info

看见了吧，除了第一行是原始网页中的表头，第二行开始，就是我们需要的数据啦。接下来，通过html_text函数，将ul之类的标签去除即可。

# 去标签化

content<- html_text(info[-1])

content

红框中的内容就是去标签后的目标数据啦，而非红框部分的\t\n\r就是代表空白，接下来我们利用这些空白作为分隔符，将数据清洗干净。

library(stringr)

# 通过正则表达式\\s，将空白作为分隔符

cells<- sapply(content, str_split, '\\s', USE.NAMES = FALSE)

cells

你会发现，每一个日期对应的天气数据，在列表元素中所在的位置均一样，故可以通过索引获取指定的值。你可能会问，把这些空字符串删除，剩下的不就是需要的数据了吗？其实，我试过，但有错误，原因就是有些日期的指标值存在缺失。假如，8月1日，最高气温35度缺失，这个时候，第二个值及剩余的值都会往前挪一个位置，最终导致抓取下来的数据产生错位。

# 取出日期

date<-sapply(cells,'[',1)

# 取出最高温度

high<-sapply(cells,'[',15)

# 取出最低温度

low<-sapply(cells,'[',23)

# 取出天气

weather<-sapply(cells,'[',31)

# 取出风向

direction<-sapply(cells,'[',39)

# 取出风力

force<-sapply(cells,'[',47)

# 数据合并到数据框中

df<- data.frame(date, high, low, weather, direction, force)

head(df)

是不是很简单，这样就可以把2017年8月份的网页数据给抓取下来了，如果需要抓取历史更多的数据，只要改变抓取的URL链接即可。经过比对不同月份的URL发现，链接中http://lishi.tianqi/shanghai/201708.html的日期在变，其他部分都不变，所以，我们就可以通过循环的方式，生成这些有规律的URL。

# 生成爬取的链接

string<- 'http://lishi.tianqi/shanghai/'

urls<- NULL

for (year in 2011:2017){

for (month in 1:12){

if (month<10){

urls = c(urls,paste0(string,year,0,month,'.html'))

} else{

urls = c(urls,paste0(string,year,month,'.html'))

}

}

}

接下来，只需要通过循环的方式，抓取上面生成的这些链接即可。

# 从以上的每个链接中抓取天气的信息

tot_info<- data.frame()

for (url in urls){

# 发送请求并下载网页源代码

page = html_session(url)

# 根据源代码标签获取数据

info = html_nodes(page, 'p.tqtongji2 > ul') %>% html_text()

# 数据清洗--去除所有空格

info = sapply(info, str_split, '\\s', USE.NAMES = FALSE)[-1]

# 取出日期

date = sapply(info,'[',1)

# 取出最高温度

high = sapply(info,'[',15)

# 取出最低温度

low = sapply(info,'[',23)

# 取出天气

weather = sapply(info,'[',31)

# 取出风向

direction = sapply(info,'[',39)

# 取出风力

force = sapply(info,'[',47)

# 构建数据框

df = data.frame(date, high, low, weather, direction, force)

# 数据合并

tot_info = rbind(df, tot_info)

}

# 观察数据集前6行

head(tot_info)

很快，我们就抓取了上海近7年的天气数据，一共包含2422天的数据。接下来，你就可以照着上面的步骤，运用R语言实现数据的抓取啦。

下一期，我们会继续运用这个数据，通过ggplot2包实现数据的可视化，完成数据的探索性分析，期待你的加入和学习。

本文作者：天善智能社区 刘顺祥每天进步一点点2015