关于作者：程序猿石头(ID: tangleithu)，现任阿里巴巴技术专家，清华学渣，前大疆后端 Leader。以每篇文章都让人有收获为目的，欢迎关注，交流和指导！文章首发于微信公众号，欢迎关注。后台回复关键字 “1024” 获取程序员大厂面试指南。
这两天公布了北京首批家庭新能源小客车指标积分排序结果。
当然，意料之中，很遗憾，本人并未入围，排名 8W 左右。看样子，要想新能源积分排序上去，还得抓紧增加家庭代际数啊。
让我们来看看这些数据都是怎样的？
网站下载了 pdf，不便于分析，显然作为程序猿还是习惯用程序员的方式来进行分析，首先还是先转为纯文本文件吧，可转换为 csv。
- 网上有工具，可上传 pdf，转 csv。
- 可以直接 copy 出来，粘贴纯文本即可。笔者采用了这种方式很快。
有了前面这两篇文章作为基础，下面这些数据可轻易获得：
因为 copy 出来纯文本，姓名和身份证连在一起了，需要拆分一下，很简单：
cat car2020.csv | awk '{print substr($3, 1, match($3,/[0-9]/)-1) "\t" substr($3, match($3,/[0-9]/)) "\t" $4 "\t" $5 "\t" $6 "\t" $7}' > car-2020.csv |
分数分析
首先，文件结果直接按照分数倒序的。
- 最高分 228 分，家庭共 7 个人组成。
- 最低分 72 分，2 代 4 人的家庭居多，也有 3 代 4 人的。
看看分数的分布，大多数围绕着 70 -120 分之间，占比 80%。
cat car-2020.csv | awk '{print $5}' | uniq -c | sort -k 1 -nr |
家庭情况
家庭代数， 近 70% 为 3 代人。
➜ Downloads cat car-2020.csv | awk '{print $4}' | sort | uniq -c
6621 2
13379 3
家庭人口数，居然还有 9 口人的。看了下，9 口人 3 代，猜测 双方父母 4 + 两口 2 + 3 小孩？还是怎样的，我看家庭主要申请人也是从第一期就开始申请摇号了，这么大一家人，也没个车牌，也是不容易啊。
➜ Downloads cat car-2020.csv | awk '{print $3}' | sort | uniq -c
4245 3
5124 4
6912 5
2284 6
1240 7
193 8
2 9
摇号主申请人
太多人从第一年就开始了参与摇号了。
➜ Downloads cat car-2020.csv | awk '{print substr($6, 1, 4)}' | sort | uniq -c |
看了下，从第一期摇号的就有 1367 个。
➜ Downloads cat car-2020.csv | awk '{print substr($6, 1, 7)}' | sort | uniq -c |
中签者老家哪里的？
这个，需要借助身份证号对应的行政区域了，思路跟之前 没想到 Shell 命令竟然还能这么玩？| Shell 玩转大数据分析 这篇文章上一样，直接给结论吧。先看按照省这个级别来划分的。
➜ Downloads join -1 2 -2 1 <(cat car-2020.csv | awk '{print substr($2, 1, 2)}' |sort | uniq -c | sort -k1 -nr | head -n 30 | sort -k2) id-area.code2.sort.txt | sort -k2 -nr |
- 第一列：身份证开头的两位，基本定位到省；
- 第二列：对应的人数
- 第三列：对应省
从中可以看出，还是老北京占比最大，占比74%了。石头想找个免费的热力地图生成工具展示一下的，短时间之类没找到，先放弃了。
- 再看看到市区级别的，参考身份证前 6 位。
先看看前 30 的吧，基本也就是围绕着北京了。
➜ Downloads join -1 2 -2 1 <(cat car-2020.csv | awk '{print substr($2, 1, 6)}' |sort | uniq -c | sort -k1 -nr | head -n 30 | sort -k2) address_code_uniq.csv | sort -k2 -nr |
其中，address_code_uniq.csv 来自 https://raw.githubusercontent.com/jxlwqq/address-code-of-china/master/address_code.csv，有个坑的地方就是政府官方网站下载的行政区域代码数据 http://www.mca.gov.cn//article/sj/xzqh/2020/是最新的，有的行政区域代码已撤销，不再使用。（幸亏石头校验了一下结果数据，发现相差比较大）
但之前已经核发的身份证中不能作废吧。举个例子：行政区划代码110223(北京市 通县)已撤销，新发的身份证中不再使用。
另外，还发现有一例不是用身份证号码作为证件号码的？看样子是护照？CH1HFP******** 这个，我也不懂了。
先就这么多吧。另外，若感兴趣的朋友需要本文分析的数据集合用作交流学习使用，可回复“积分排序”获取处理的 Excel和 CSV 文件。
附《摇号解题积分对照表》
回到题目本身，这个㊙️秘密就是：如果要想家庭摇号尽早“中签”，那就赶紧生娃吧，哈哈哈😝，别打我。
关于作者：程序猿石头(ID: tangleithu)，现任阿里巴巴技术专家，清华学渣，前大疆后端 Leader，欢迎关注，交流和指导！
欢迎扫码加入互联网大厂内推群 & 技术交流群，一起学习、共同进步。后台回复关键字 “0” 送阿里技术大礼包。
