“还没进大学他们已开始准备考研”——如果只看标题这可能是一条让人焦虑的社会新闻但换一个角度它其实是一个典型的“信息差工程”问题。真正值得关注的不是“谁更卷”而是在考研这件事上是否能用一套可执行、可迭代的技术方案把信息收集、院校筛选、学习计划、资料归档和复盘变成一套自动化流程。这才是本文想讨论的。这篇文章不是制造焦虑更不是贩卖“复习越早越好”的鸡汤。我把它当作一个技术选题来处理给大一新生、考研规划者、以及想用技术手段管理学习过程的程序员提供一套从数据采集到计划管理的实操模板。你可以直接按步骤跑一遍也可以把它改造成自己的版本。1. 核心能力速览这一套方案本质上是一个轻量级“考研信息管理小系统”包括数据采集、清洗、筛选、可视化和自动化提醒。整体能力如下能力项说明主要功能院校专业信息整理、报录比/分数线分析、学习计划管理、自动提醒技术栈Python、pandas、matplotlib、requests、Git运行环境Windows / macOS / Linux 均可建议 Python 3.9 以上数据来源官方公开数据、院校官网、研招网公示信息需自行确认授权与合规批量任务支持批量导入院校/专业数据统一筛选与导出接口能力不依赖私有接口以本地脚本和公开数据文件为主门槛熟悉基础 Python 语法即可核心代码会给出适合场景考研前期信息整理、目标院校筛选、长周期学习管理需要说明的是本文不提供任何“爬取某某网站”的违规脚本所有示例使用本地演示数据真实使用时需要你基于合法公开数据源自行整理。2. 适用场景与使用边界2.1 适合谁刚进入大学想把考研作为四年后的目标方向提前整理目标院校和专业信息。已经确定考研但目前还停留在“收藏一堆公众号文章”阶段需要把信息结构化。程序员或计算机相关专业学生想用自己熟悉的技术能力优化学习流程。需要做跨专业选择希望用数据对比不同院校和专业。2.2 不适合谁指望一个脚本就能“一键报志愿”的人。院校选择涉及很多非结构化因素比如导师方向、复试风格、地域偏好这些不能完全靠数据筛选代替。把自动化当成“不用学习”的人。工具只能帮你整理信息不会替你完成复习。想绕过平台限制、抓取非公开数据的人。这类需求不在本文范围内。2.3 合规与隐私边界这是非常重要的一点。做考研信息整理时必须遵守以下边界只使用官方公开数据不采集个人隐私信息。不使用破解、越权、绕过验证码等手段获取数据。不传播真题、内部资料、个人成绩等敏感数据。如果调用第三方接口先阅读服务条款和 robots 协议。涉及他人经验贴、学长学姐联系方式时注意隐私保护和授权。3. 把考研准备拆成一个“数据工程”考研准备的早期阶段最消耗精力的不是做题而是信息收集。很多人是从大一开始“心里有个想法”但一直停留在模糊状态。不妨把这个问题拆成数据结构信息维度具体内容来源院校基础信息学校名称、所在城市、综合排名、学科评估官方公开资料专业信息专业名称、学硕/专硕、研究方向、考试科目院校官网、专业目录报录数据报名人数、录取人数、推免比例院校公示、研招公开数据分数线复试线、单科线、国家线官方公告目标导师研究方向、代表成果、招生情况学院官网、公开论文复习要求参考书目、考试大纲、历年题型官方大纲、公开真题注意版权把这些字段整理成表格就可以用 Python 做筛选。比如“我想找东部地区、211、计算机学硕、报录比低于 5:1 的学校”这本质上就是一个多条件查询。3.1 数据更新频率考研数据每年都会更新。建议把数据文件按年份归档例如data/2026/、data/2027/不要把不同年份混在一起。后续分析趋势时历史数据非常有价值。3.2 数据来源判断最稳妥的数据来源是中国研究生招生信息网研招网公开信息。各院校研究生院官网、学院官网发布的招生简章和专业目录。各省教育考试院发布的公开公告。公开出版物和权威统计报告。不要轻信二手整理平台的“内部数据”尤其是需要付费获取的“内部报录数据”。很多数据在学院官网就能免费查到只是不够集中而已。4. 环境准备与数据采集示例4.1 Python 环境建议使用 Python 3.9 或更高版本。如果本机还没装可以到 Python 官网下载安装包安装时勾选Add Python to PATH。安装完成后在终端确认python --version如果能看到版本号说明环境正常。4.2 安装依赖本文用到的依赖不多pip install pandas matplotlib requests openpyxl其中pandas负责数据处理matplotlib负责可视化requests用来请求公开数据openpyxl用于导出 Excel 文件。4.3 整理一份演示数据在本地新建一个文件夹命名为kaoyan-data然后在里面创建data子目录。我们先用一个 CSV 文件作为演示数据源。创建data/schools_demo.csv内容如下school,city,level,discipline,type,enroll,applicants,admitted,ratio A大学,南京,211,计算机科学与技术,学硕,20,86,22,3.91 B大学,杭州,双一流,软件工程,专硕,35,120,36,3.33 C大学,武汉,211,计算机技术,专硕,40,210,42,5.00 D大学,成都,普通,电子信息,专硕,50,180,52,3.46 E大学,北京,985,计算机科学与技术,学硕,15,95,16,5.94 F大学,西安,211,网络空间安全,学硕,25,88,26,3.38字段说明enroll表示拟招生人数applicants表示报名人数admitted表示实际录取人数ratio表示报录比近似值。这是演示数据不代表任何真实院校的真实数字。你用的时候应该把数据替换成自己从公开渠道整理的内容。4.4 数据读取与基础预览在项目根目录创建preview.pyimport pandas as pd df pd.read_csv(data/schools_demo.csv, encodingutf-8) print(数据总行数, len(df)) print(\n前5行) print(df.head()) print(\n数据统计) print(df.describe())运行python preview.py能正常打印出数据内容说明环境没问题。如果出现中文乱码检查 CSV 编码是否为 UTF-8或者把encoding参数改为gbk。4.5 采集公开数据的通用思路真实场景下你不一定会拿到干净的 CSV。更常见的方式是手动整理官方网页内容或者从公开 API 获取。这里给一个通用请求模板import requests # 这是一个演示模板需要根据实际公开数据源调整 url https://example.com/api/public/schools params { year: 2026, province: 江苏 } try: response requests.get(url, paramsparams, timeout10) response.raise_for_status() data response.json() print(data) except requests.exceptions.RequestException as e: print(请求失败, e)注意example.com仅用于演示不能直接运行。真实使用时你需要确认目标接口是否允许访问、是否需要授权、是否遵循其服务条款。如果对方没有公开 API最稳妥的方式是手动收集官方公开数据再按 CSV 格式整理。5. 数据清洗与目标院校筛选数据整理好之后核心操作就是筛选。5.1 按城市和报录比筛选创建filter.pyimport pandas as pd df pd.read_csv(data/schools_demo.csv, encodingutf-8) # 目标东部地区、211及以上、报录比低于5:1 target ( (df[city].isin([南京, 杭州, 北京])) (df[level].isin([211, 985, 双一流])) (df[ratio] 5.0) ) result df[target].copy() result result.sort_values(ratio, ascendingTrue) print(符合条件的目标院校) print(result[[school, city, level, discipline, ratio]]) # 导出结果 result.to_csv(data/target_schools.csv, indexFalse, encodingutf-8-sig) print(\n已导出 data/target_schools.csv)运行python filter.py如果输出为空就说明在当前数据下没有符合条件的学校需要放宽条件。utf-8-sig可以让导出的 CSV 在 Excel 中正常显示中文。5.2 计算不同专业的平均报录比如果你想看“哪个方向竞争更激烈”可以用groupby汇总import pandas as pd df pd.read_csv(data/schools_demo.csv, encodingutf-8) # 按专业类型统计 summary df.groupby(type)[[ratio, applicants]].agg( avg_ratio(ratio, mean), total_applicants(applicants, sum) ).reset_index() print(summary)这一步很实用。它能帮你快速判断学硕、专硕、不同专业之间的报名热度差异再结合个人兴趣做选择。5.3 把结果写入 Excel如果你习惯在 Excel 里维护信息可以导出 xlsximport pandas as pd df pd.read_csv(data/schools_demo.csv, encodingutf-8) with pd.ExcelWriter(data/kaoyan_summary.xlsx, engineopenpyxl) as writer: df.to_excel(writer, sheet_name全部数据, indexFalse) summary df.groupby(discipline)[[ratio]].mean().reset_index() summary.to_excel(writer, sheet_name分专业平均报录比, indexFalse)打开生成的 Excel 文件可以看到两个工作表。整个过程不需要手动复制粘贴。6. 可视化一张图看懂报录趋势数据只有变成图表才更容易看出问题。用matplotlib画一个简单的横向条形图展示各校报录比创建visualize.pyimport pandas as pd import matplotlib.pyplot as plt # 设置中文字体避免乱码 plt.rcParams[font.sans-serif] [SimHei, Microsoft YaHei, WenQuanYi Micro Hei] plt.rcParams[axes.unicode_minus] False df pd.read_csv(data/schools_demo.csv, encodingutf-8) df_sorted df.sort_values(ratio, ascendingTrue) plt.figure(figsize(10, 6)) plt.barh(df_sorted[school] - df_sorted[discipline], df_sorted[ratio]) plt.xlabel(报录比) plt.title(目标院校报录比对比演示数据) plt.tight_layout() plt.savefig(data/ratio_chart.png, dpi150) print(图表已保存到 data/ratio_chart.png)运行python visualize.py脚本执行后会在data目录下生成一张ratio_chart.png。如果你在 Linux 服务器上没有中文字体可以把SimHei换成实际安装的字体或者用英文标签。图表的意义不是“好看”而是让数据一眼可见。比如报录比超过 10:1 的学校如果不是非去不可就要评估是否需要另做备选。7. 把考研计划纳入 Git 版本管理考研准备周期长资料会不断更新。强烈建议从大一开始就把学习资料和数据分析文件纳入 Git 管理。这不复杂但收益很大。7.1 初始化仓库在kaoyan-data目录下执行git init7.2 规划目录结构推荐结构如下kaoyan-data/ ├── data/ # 数据文件 │ ├── schools_2026.csv │ ├── schools_2027.csv │ └── target_schools.csv ├── notes/ # 笔记 │ ├── 数学/ │ ├── 英语/ │ └── 专业课/ ├── scripts/ # 脚本 │ ├── preview.py │ ├── filter.py │ └── visualize.py └── README.md # 记录你的规划和决策7.3 为什么要用 Git考研资料最大的问题是“版本混乱”今天下载的 PDF 是旧版明天看到的分数线又更新了。用 Git 管理好处很直接每次修改都能看到历史记录。删除一个文件、改错一个字段都可以恢复。可以按年份打 tag比如git tag 2026-draft。如果以后换了电脑可以同步到私有仓库。最基础的操作就够用git add . git commit -m 更新2027年院校报录数据不建议把大体积 PDF、视频课程放进 Git 仓库可以用网盘或独立目录管理。仓库里主要放文本类资料、代码、数据文件和 README。7.4 README 记录决策在 README 里写清楚“我为什么选择这所学校”“现阶段重点是什么”。这比任何打卡软件都有用。因为考研周期长人很容易忘记当初的决策依据。8. 自动化提醒把计划变成可执行脚本长周期备考最容易出现的问题是“计划放在收藏夹里吃灰”。可以用一个简单的 Python 脚本在每周日生成下一周的任务清单。8.1 一个简单的提醒脚本创建planner.pyimport datetime # 任务模板按周填写 tasks [ (周一, 英语阅读 2 篇 单词 50 个), (周二, 数学视频 1 节 课后题), (周三, 英语阅读 2 篇 单词复习), (周四, 专业课阅读 1 章 笔记整理), (周五, 数学真题 1 套限时), (周六, 本周错题复盘), (周日, 整理下周计划 休息) ] today datetime.date.today() monday today - datetime.timedelta(daystoday.weekday()) print(本周计划, monday, 起) print( * 32) for day, task in tasks: print(f{monday datetime.timedelta(daystasks.index((day, task)))} {task})运行python planner.py这只是最基础的版本。你可以在此基础上增加配置文件、手动标注完成状态、导出为 Markdown 文件。8.2 更实用的写法生成 Markdown 计划把计划输出为 Markdown方便在笔记软件里查看import datetime tasks [ 英语阅读 2 篇 单词 50 个, 数学视频 1 节 课后题, 英语阅读 2 篇 单词复习, 专业课阅读 1 章 笔记整理, 数学真题 1 套限时, 本周错题复盘, 整理下周计划 休息 ] today datetime.date.today() monday today - datetime.timedelta(daystoday.weekday()) lines [# 本周计划, ] for i, task in enumerate(tasks): date monday datetime.timedelta(daysi) lines.append(f- [ ] {date}周{i 1}{task}) with open(weekly_plan.md, w, encodingutf-8) as f: f.write(\n.join(lines)) print(已生成 weekly_plan.md)这个脚本的价值不是“自动化”而是把计划落成一个文件每天都看得到做完就打勾形成正向反馈。8.3 自动化的局限脚本不会自己运行除非你配置定时任务。Windows 下可以用任务计划程序macOS/Linux 下可以用 cron。更简单的办法是把脚本加进系统登录启动项或者每天手动跑一次。对考研场景来说手动运行反而能强化仪式感不至于“自动化到无感”。9. AI 辅助考研哪些能用哪些要谨慎现在很多同学会使用 AI 工具辅助考研复习这里给出一些实际边界。9.1 推荐用法用它整理长文本大纲比如把一篇论文的摘要转成结构化笔记。用它解释复杂概念快速建立初步理解。用它做英语长难句拆解、模拟口语对话。用它生成“复习问题清单”再自己验证回答。用它辅助代码类专业课的入门练习。9.2 高风险用法让它直接生成“经验贴”或“计划书”然后不加核实地照搬。让它编造院校数据比如报录比、分数线。AI 生成的内容可能看起来合理但数字可能完全错误。让它代写作业或毕业论文相关内容。这不仅违反学术诚信要求而且风险很高。把个人隐私信息准考证号、身份证号、成绩单发送给未经确认的工具。一句话总结AI 可以做理解型辅助不能做决策型依赖。尤其是涉及院校选择、数据统计、报名流程等关键环节一切以官方信息为准。10. 常见问题与排查方法问题现象可能原因排查方式解决方案Python 命令找不到未加入 PATH在终端执行python --version重装 Python 并勾选 Add to PATH或使用py命令pip 安装失败网络问题或版本冲突查看错误提示换国内镜像源pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandasCSV 中文乱码编码格式不一致检查文件编码读取时指定encodingutf-8或encodinggbkExcel 导出失败缺少 openpyxl执行python -c import openpyxl安装openpyxl依赖图表中文显示方块系统中文字体缺失查看系统字体安装中文字体或改用英文标签数据筛选结果为空过滤条件太严格打印各字段取值范围逐步放宽城市、报录比、院校层次等条件目标院校数据不完整公开信息分散对照多来源核验以官方公告为准标注数据获取日期计划坚持不下去任务过多或没有反馈复盘每周完成情况降低每日任务量只保留必要项设置每周复盘11. 最佳实践与使用建议11.1 数据先行决策在后大一大二阶段不要急着报班、买资料。先用两到三周时间把目标院校的数据整理出来。数据越具体焦虑越少。你真正要做的是把“不确定”变成“可比较”。11.2 保留一套最小可用配置你的脚本不一定需要很复杂。一套能读取 CSV、筛选数据、导出结果的脚本加上一份 README 和 Git 仓库就够了。先跑通再优化不要一开始就设计“全景驾驶舱”。11.3 分目录管理资料数据文件、笔记、真题、视频课程、代码脚本分开存放。不要把 50GB 的资料堆在一个文件夹里。文件名带上日期和版本比如报录比_南京大学_2026_v1.csv。11.4 定期复盘更新每个月固定时间更新一次数据重新跑一遍筛选脚本。如果目标院校的分数线发生变化及时调整备选方案。11.5 注意隐私与版权不购买、不传播来源不明的“内部资料”。不把个人信息随意提交给非官方应用。如果使用在线 AI 工具不要上传身份证、准考证等敏感文件。11.6 合规使用数据不要尝试绕过网站限制采集数据。不要采集个人隐私。对于需要登录才能查看的数据先确认是否有合法授权不做任何违规抓取。12. 总结与下一步“还没进大学就准备考研”这件事单看时间线确实很早但如果把它理解成“用工具消除信息差”就没那么吓人了。真正值得早点开始的不是“高强度复习”而是数据层面的准备目标院校有哪些、考试科目是什么、报录比大概什么水平、自己与目标之间差多少。建议你现在就做三件事登记几个候选院校整理成 CSV 文件。把本文的filter.py跑一遍确认数据能正常筛选。建一个 Git 仓库把代码和数据纳管起来开始记录你的规划。考研是一场长周期任务工具只是辅助关键还是持续执行。但如果你能把信息管理做得足够清晰复习阶段就不用频繁为“选哪个学校”“换不换目标”消耗注意力。这份工程化思维比提前三年开始刷题更重要。
用Python打造考研信息管理系统：从数据采集到自动化规划
“还没进大学他们已开始准备考研”——如果只看标题这可能是一条让人焦虑的社会新闻但换一个角度它其实是一个典型的“信息差工程”问题。真正值得关注的不是“谁更卷”而是在考研这件事上是否能用一套可执行、可迭代的技术方案把信息收集、院校筛选、学习计划、资料归档和复盘变成一套自动化流程。这才是本文想讨论的。这篇文章不是制造焦虑更不是贩卖“复习越早越好”的鸡汤。我把它当作一个技术选题来处理给大一新生、考研规划者、以及想用技术手段管理学习过程的程序员提供一套从数据采集到计划管理的实操模板。你可以直接按步骤跑一遍也可以把它改造成自己的版本。1. 核心能力速览这一套方案本质上是一个轻量级“考研信息管理小系统”包括数据采集、清洗、筛选、可视化和自动化提醒。整体能力如下能力项说明主要功能院校专业信息整理、报录比/分数线分析、学习计划管理、自动提醒技术栈Python、pandas、matplotlib、requests、Git运行环境Windows / macOS / Linux 均可建议 Python 3.9 以上数据来源官方公开数据、院校官网、研招网公示信息需自行确认授权与合规批量任务支持批量导入院校/专业数据统一筛选与导出接口能力不依赖私有接口以本地脚本和公开数据文件为主门槛熟悉基础 Python 语法即可核心代码会给出适合场景考研前期信息整理、目标院校筛选、长周期学习管理需要说明的是本文不提供任何“爬取某某网站”的违规脚本所有示例使用本地演示数据真实使用时需要你基于合法公开数据源自行整理。2. 适用场景与使用边界2.1 适合谁刚进入大学想把考研作为四年后的目标方向提前整理目标院校和专业信息。已经确定考研但目前还停留在“收藏一堆公众号文章”阶段需要把信息结构化。程序员或计算机相关专业学生想用自己熟悉的技术能力优化学习流程。需要做跨专业选择希望用数据对比不同院校和专业。2.2 不适合谁指望一个脚本就能“一键报志愿”的人。院校选择涉及很多非结构化因素比如导师方向、复试风格、地域偏好这些不能完全靠数据筛选代替。把自动化当成“不用学习”的人。工具只能帮你整理信息不会替你完成复习。想绕过平台限制、抓取非公开数据的人。这类需求不在本文范围内。2.3 合规与隐私边界这是非常重要的一点。做考研信息整理时必须遵守以下边界只使用官方公开数据不采集个人隐私信息。不使用破解、越权、绕过验证码等手段获取数据。不传播真题、内部资料、个人成绩等敏感数据。如果调用第三方接口先阅读服务条款和 robots 协议。涉及他人经验贴、学长学姐联系方式时注意隐私保护和授权。3. 把考研准备拆成一个“数据工程”考研准备的早期阶段最消耗精力的不是做题而是信息收集。很多人是从大一开始“心里有个想法”但一直停留在模糊状态。不妨把这个问题拆成数据结构信息维度具体内容来源院校基础信息学校名称、所在城市、综合排名、学科评估官方公开资料专业信息专业名称、学硕/专硕、研究方向、考试科目院校官网、专业目录报录数据报名人数、录取人数、推免比例院校公示、研招公开数据分数线复试线、单科线、国家线官方公告目标导师研究方向、代表成果、招生情况学院官网、公开论文复习要求参考书目、考试大纲、历年题型官方大纲、公开真题注意版权把这些字段整理成表格就可以用 Python 做筛选。比如“我想找东部地区、211、计算机学硕、报录比低于 5:1 的学校”这本质上就是一个多条件查询。3.1 数据更新频率考研数据每年都会更新。建议把数据文件按年份归档例如data/2026/、data/2027/不要把不同年份混在一起。后续分析趋势时历史数据非常有价值。3.2 数据来源判断最稳妥的数据来源是中国研究生招生信息网研招网公开信息。各院校研究生院官网、学院官网发布的招生简章和专业目录。各省教育考试院发布的公开公告。公开出版物和权威统计报告。不要轻信二手整理平台的“内部数据”尤其是需要付费获取的“内部报录数据”。很多数据在学院官网就能免费查到只是不够集中而已。4. 环境准备与数据采集示例4.1 Python 环境建议使用 Python 3.9 或更高版本。如果本机还没装可以到 Python 官网下载安装包安装时勾选Add Python to PATH。安装完成后在终端确认python --version如果能看到版本号说明环境正常。4.2 安装依赖本文用到的依赖不多pip install pandas matplotlib requests openpyxl其中pandas负责数据处理matplotlib负责可视化requests用来请求公开数据openpyxl用于导出 Excel 文件。4.3 整理一份演示数据在本地新建一个文件夹命名为kaoyan-data然后在里面创建data子目录。我们先用一个 CSV 文件作为演示数据源。创建data/schools_demo.csv内容如下school,city,level,discipline,type,enroll,applicants,admitted,ratio A大学,南京,211,计算机科学与技术,学硕,20,86,22,3.91 B大学,杭州,双一流,软件工程,专硕,35,120,36,3.33 C大学,武汉,211,计算机技术,专硕,40,210,42,5.00 D大学,成都,普通,电子信息,专硕,50,180,52,3.46 E大学,北京,985,计算机科学与技术,学硕,15,95,16,5.94 F大学,西安,211,网络空间安全,学硕,25,88,26,3.38字段说明enroll表示拟招生人数applicants表示报名人数admitted表示实际录取人数ratio表示报录比近似值。这是演示数据不代表任何真实院校的真实数字。你用的时候应该把数据替换成自己从公开渠道整理的内容。4.4 数据读取与基础预览在项目根目录创建preview.pyimport pandas as pd df pd.read_csv(data/schools_demo.csv, encodingutf-8) print(数据总行数, len(df)) print(\n前5行) print(df.head()) print(\n数据统计) print(df.describe())运行python preview.py能正常打印出数据内容说明环境没问题。如果出现中文乱码检查 CSV 编码是否为 UTF-8或者把encoding参数改为gbk。4.5 采集公开数据的通用思路真实场景下你不一定会拿到干净的 CSV。更常见的方式是手动整理官方网页内容或者从公开 API 获取。这里给一个通用请求模板import requests # 这是一个演示模板需要根据实际公开数据源调整 url https://example.com/api/public/schools params { year: 2026, province: 江苏 } try: response requests.get(url, paramsparams, timeout10) response.raise_for_status() data response.json() print(data) except requests.exceptions.RequestException as e: print(请求失败, e)注意example.com仅用于演示不能直接运行。真实使用时你需要确认目标接口是否允许访问、是否需要授权、是否遵循其服务条款。如果对方没有公开 API最稳妥的方式是手动收集官方公开数据再按 CSV 格式整理。5. 数据清洗与目标院校筛选数据整理好之后核心操作就是筛选。5.1 按城市和报录比筛选创建filter.pyimport pandas as pd df pd.read_csv(data/schools_demo.csv, encodingutf-8) # 目标东部地区、211及以上、报录比低于5:1 target ( (df[city].isin([南京, 杭州, 北京])) (df[level].isin([211, 985, 双一流])) (df[ratio] 5.0) ) result df[target].copy() result result.sort_values(ratio, ascendingTrue) print(符合条件的目标院校) print(result[[school, city, level, discipline, ratio]]) # 导出结果 result.to_csv(data/target_schools.csv, indexFalse, encodingutf-8-sig) print(\n已导出 data/target_schools.csv)运行python filter.py如果输出为空就说明在当前数据下没有符合条件的学校需要放宽条件。utf-8-sig可以让导出的 CSV 在 Excel 中正常显示中文。5.2 计算不同专业的平均报录比如果你想看“哪个方向竞争更激烈”可以用groupby汇总import pandas as pd df pd.read_csv(data/schools_demo.csv, encodingutf-8) # 按专业类型统计 summary df.groupby(type)[[ratio, applicants]].agg( avg_ratio(ratio, mean), total_applicants(applicants, sum) ).reset_index() print(summary)这一步很实用。它能帮你快速判断学硕、专硕、不同专业之间的报名热度差异再结合个人兴趣做选择。5.3 把结果写入 Excel如果你习惯在 Excel 里维护信息可以导出 xlsximport pandas as pd df pd.read_csv(data/schools_demo.csv, encodingutf-8) with pd.ExcelWriter(data/kaoyan_summary.xlsx, engineopenpyxl) as writer: df.to_excel(writer, sheet_name全部数据, indexFalse) summary df.groupby(discipline)[[ratio]].mean().reset_index() summary.to_excel(writer, sheet_name分专业平均报录比, indexFalse)打开生成的 Excel 文件可以看到两个工作表。整个过程不需要手动复制粘贴。6. 可视化一张图看懂报录趋势数据只有变成图表才更容易看出问题。用matplotlib画一个简单的横向条形图展示各校报录比创建visualize.pyimport pandas as pd import matplotlib.pyplot as plt # 设置中文字体避免乱码 plt.rcParams[font.sans-serif] [SimHei, Microsoft YaHei, WenQuanYi Micro Hei] plt.rcParams[axes.unicode_minus] False df pd.read_csv(data/schools_demo.csv, encodingutf-8) df_sorted df.sort_values(ratio, ascendingTrue) plt.figure(figsize(10, 6)) plt.barh(df_sorted[school] - df_sorted[discipline], df_sorted[ratio]) plt.xlabel(报录比) plt.title(目标院校报录比对比演示数据) plt.tight_layout() plt.savefig(data/ratio_chart.png, dpi150) print(图表已保存到 data/ratio_chart.png)运行python visualize.py脚本执行后会在data目录下生成一张ratio_chart.png。如果你在 Linux 服务器上没有中文字体可以把SimHei换成实际安装的字体或者用英文标签。图表的意义不是“好看”而是让数据一眼可见。比如报录比超过 10:1 的学校如果不是非去不可就要评估是否需要另做备选。7. 把考研计划纳入 Git 版本管理考研准备周期长资料会不断更新。强烈建议从大一开始就把学习资料和数据分析文件纳入 Git 管理。这不复杂但收益很大。7.1 初始化仓库在kaoyan-data目录下执行git init7.2 规划目录结构推荐结构如下kaoyan-data/ ├── data/ # 数据文件 │ ├── schools_2026.csv │ ├── schools_2027.csv │ └── target_schools.csv ├── notes/ # 笔记 │ ├── 数学/ │ ├── 英语/ │ └── 专业课/ ├── scripts/ # 脚本 │ ├── preview.py │ ├── filter.py │ └── visualize.py └── README.md # 记录你的规划和决策7.3 为什么要用 Git考研资料最大的问题是“版本混乱”今天下载的 PDF 是旧版明天看到的分数线又更新了。用 Git 管理好处很直接每次修改都能看到历史记录。删除一个文件、改错一个字段都可以恢复。可以按年份打 tag比如git tag 2026-draft。如果以后换了电脑可以同步到私有仓库。最基础的操作就够用git add . git commit -m 更新2027年院校报录数据不建议把大体积 PDF、视频课程放进 Git 仓库可以用网盘或独立目录管理。仓库里主要放文本类资料、代码、数据文件和 README。7.4 README 记录决策在 README 里写清楚“我为什么选择这所学校”“现阶段重点是什么”。这比任何打卡软件都有用。因为考研周期长人很容易忘记当初的决策依据。8. 自动化提醒把计划变成可执行脚本长周期备考最容易出现的问题是“计划放在收藏夹里吃灰”。可以用一个简单的 Python 脚本在每周日生成下一周的任务清单。8.1 一个简单的提醒脚本创建planner.pyimport datetime # 任务模板按周填写 tasks [ (周一, 英语阅读 2 篇 单词 50 个), (周二, 数学视频 1 节 课后题), (周三, 英语阅读 2 篇 单词复习), (周四, 专业课阅读 1 章 笔记整理), (周五, 数学真题 1 套限时), (周六, 本周错题复盘), (周日, 整理下周计划 休息) ] today datetime.date.today() monday today - datetime.timedelta(daystoday.weekday()) print(本周计划, monday, 起) print( * 32) for day, task in tasks: print(f{monday datetime.timedelta(daystasks.index((day, task)))} {task})运行python planner.py这只是最基础的版本。你可以在此基础上增加配置文件、手动标注完成状态、导出为 Markdown 文件。8.2 更实用的写法生成 Markdown 计划把计划输出为 Markdown方便在笔记软件里查看import datetime tasks [ 英语阅读 2 篇 单词 50 个, 数学视频 1 节 课后题, 英语阅读 2 篇 单词复习, 专业课阅读 1 章 笔记整理, 数学真题 1 套限时, 本周错题复盘, 整理下周计划 休息 ] today datetime.date.today() monday today - datetime.timedelta(daystoday.weekday()) lines [# 本周计划, ] for i, task in enumerate(tasks): date monday datetime.timedelta(daysi) lines.append(f- [ ] {date}周{i 1}{task}) with open(weekly_plan.md, w, encodingutf-8) as f: f.write(\n.join(lines)) print(已生成 weekly_plan.md)这个脚本的价值不是“自动化”而是把计划落成一个文件每天都看得到做完就打勾形成正向反馈。8.3 自动化的局限脚本不会自己运行除非你配置定时任务。Windows 下可以用任务计划程序macOS/Linux 下可以用 cron。更简单的办法是把脚本加进系统登录启动项或者每天手动跑一次。对考研场景来说手动运行反而能强化仪式感不至于“自动化到无感”。9. AI 辅助考研哪些能用哪些要谨慎现在很多同学会使用 AI 工具辅助考研复习这里给出一些实际边界。9.1 推荐用法用它整理长文本大纲比如把一篇论文的摘要转成结构化笔记。用它解释复杂概念快速建立初步理解。用它做英语长难句拆解、模拟口语对话。用它生成“复习问题清单”再自己验证回答。用它辅助代码类专业课的入门练习。9.2 高风险用法让它直接生成“经验贴”或“计划书”然后不加核实地照搬。让它编造院校数据比如报录比、分数线。AI 生成的内容可能看起来合理但数字可能完全错误。让它代写作业或毕业论文相关内容。这不仅违反学术诚信要求而且风险很高。把个人隐私信息准考证号、身份证号、成绩单发送给未经确认的工具。一句话总结AI 可以做理解型辅助不能做决策型依赖。尤其是涉及院校选择、数据统计、报名流程等关键环节一切以官方信息为准。10. 常见问题与排查方法问题现象可能原因排查方式解决方案Python 命令找不到未加入 PATH在终端执行python --version重装 Python 并勾选 Add to PATH或使用py命令pip 安装失败网络问题或版本冲突查看错误提示换国内镜像源pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandasCSV 中文乱码编码格式不一致检查文件编码读取时指定encodingutf-8或encodinggbkExcel 导出失败缺少 openpyxl执行python -c import openpyxl安装openpyxl依赖图表中文显示方块系统中文字体缺失查看系统字体安装中文字体或改用英文标签数据筛选结果为空过滤条件太严格打印各字段取值范围逐步放宽城市、报录比、院校层次等条件目标院校数据不完整公开信息分散对照多来源核验以官方公告为准标注数据获取日期计划坚持不下去任务过多或没有反馈复盘每周完成情况降低每日任务量只保留必要项设置每周复盘11. 最佳实践与使用建议11.1 数据先行决策在后大一大二阶段不要急着报班、买资料。先用两到三周时间把目标院校的数据整理出来。数据越具体焦虑越少。你真正要做的是把“不确定”变成“可比较”。11.2 保留一套最小可用配置你的脚本不一定需要很复杂。一套能读取 CSV、筛选数据、导出结果的脚本加上一份 README 和 Git 仓库就够了。先跑通再优化不要一开始就设计“全景驾驶舱”。11.3 分目录管理资料数据文件、笔记、真题、视频课程、代码脚本分开存放。不要把 50GB 的资料堆在一个文件夹里。文件名带上日期和版本比如报录比_南京大学_2026_v1.csv。11.4 定期复盘更新每个月固定时间更新一次数据重新跑一遍筛选脚本。如果目标院校的分数线发生变化及时调整备选方案。11.5 注意隐私与版权不购买、不传播来源不明的“内部资料”。不把个人信息随意提交给非官方应用。如果使用在线 AI 工具不要上传身份证、准考证等敏感文件。11.6 合规使用数据不要尝试绕过网站限制采集数据。不要采集个人隐私。对于需要登录才能查看的数据先确认是否有合法授权不做任何违规抓取。12. 总结与下一步“还没进大学就准备考研”这件事单看时间线确实很早但如果把它理解成“用工具消除信息差”就没那么吓人了。真正值得早点开始的不是“高强度复习”而是数据层面的准备目标院校有哪些、考试科目是什么、报录比大概什么水平、自己与目标之间差多少。建议你现在就做三件事登记几个候选院校整理成 CSV 文件。把本文的filter.py跑一遍确认数据能正常筛选。建一个 Git 仓库把代码和数据纳管起来开始记录你的规划。考研是一场长周期任务工具只是辅助关键还是持续执行。但如果你能把信息管理做得足够清晰复习阶段就不用频繁为“选哪个学校”“换不换目标”消耗注意力。这份工程化思维比提前三年开始刷题更重要。