使用Numpy统计全班的同学的成绩

最新推荐文章于 2024-06-17 14:15:28 发布
最新推荐文章于 2024-06-17 14:15:28 发布
阅读量7.6k 收藏 31
点赞数 4
分类专栏： NumPy 文章标签： Numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/atoohoo/article/details/100919605
版权
本文介绍了如何利用Numpy库来统计班级学生的语文、数学、英语等科目的平均分、最低分、最高分、方差和标准差。还探讨了Numpy中数据类型的含义，如S32代表32个字符的字符串，并给出了处理包含中文和单精度浮点数数据的示例代码。
摘要由CSDN通过智能技术生成

使用Numpy实现班级同学成绩的统计

假设现在有如下的数据：

姓名/学科 语文 英语 数学
张飞 66 65 30
关羽 95 85 98
赵云 93 92 96
黄忠 90 88 77
典韦 80 90 90
  • 统计全班的成绩：在语文、数学、英语等中的平均成绩、最小成绩、最大成绩、方差、标准差。然后将这些人的总成绩排序输出：
import numpy as np
# 1、先定义一个人物类
persontype = np.dtype({
   
    'names':['name','chinese','english','math'],
    'formats':['S32','i','i','i']
})
# 2、将数据加载
peoples = np.array([("ZhangFei",66,65,30),("GuanYu",95,85,98),
                    ("ZhaoYun",93,92,96),(
最低0.47元/天 解锁文章
瓦雪子
关注
专栏目录
NumPy入门讲座（5）：实战演练
Python作业辅导员 - 天元浪子
12-22 1万+
前面已经说过，广播和矢量化是 NumPy 最精髓特性，是 NumPy 的灵魂。所谓广播，就是将对数组的操作映射到每个数组元素上；矢量化可以理解为代码中没有显式的循环、索引等。如果用循环结构遍历 NumPy 数组，明显不符合 NumPy 的思想。可以说，使用 Numpy 的最高境界就是避免使用循环。如果代码中存在遍历 NumPy 数组的结构，就不是好的代码，就一定有优化空间。
练习题：用numpy统计全班的成绩
qq_40502460的博客
05-05 2530
练习题：统计全班的成绩 假设一个团队里有5名学员，成绩如下表所示。你可以用NumPy统计下这些人在语文、英语、数学中的平均成绩、最小成绩、最大成绩、方差、标准差。然后把这些人的总成绩排序，得出名次进行成绩输出。 代码实现： import numpy as np persontype=np.dtype({'names':['name','chinese','math','english','total'],'formats':['S32','i','i','i','i']}) students=np.arr
利用numpy统计成绩
Zzzzzz_m的博客
02-16 3990
import numpy as np with open('成绩单数字.csv', 'r', encoding='utf-8') as f: dic = {} for i in f.readlines(): i = i.strip().split(',') dic[i[0]] = [s for s in i[1:]] name_of_people, name_of_subject = input(), input() n = dic['姓名'].inde.
NumPy 成绩统计
lxccc9的博客
07-02 2387
1.随机数生成六个班的考试成绩，3门考试：Python、数学、语文。每个班50人 import numpy as np # 导入模块 grade1 = np.random.randint(0,100,size = (50,3)) grade2 = np.random.randint(0,100,size = (50,3)) grade3 = np.random.randint(0,100,size = (50,3)) grade4 = np.random.randint(0,100,size = (50
python利用numpy统计成绩_Python科学计算：用NumPy快速处理数据
weixin_35638218的博客
01-15 2722
创建数组import numpy as npa=np.array([1,2,3])b=np.array([[1,2,3],[4,5,6],[7,8,9]])b[1,1]=10print(a.shape)print(b.shape)print(a.dtype)print(b)结构数组import numpy as nppersontype=np.dtype({"names":["name","age...
统计全班成绩
YZCOrange的博客
03-19 1661
班里有5名同学，现在需要用numpy来统计下这些人在语文、英语、数学中的平均成绩、最小成绩、最大成绩、方差、标准差。然后把这些人的总成绩排序，得出名次进行成绩输出。 代码如下： #-*-coding:utf-8-* import numpy as np # 创建numpy的dtype类型 grade_dtype = np.dtype({ 'names':['name', 'Chinese...
python利用numpy成绩进行处理
weixin_46942074的博客
04-12 1044
python利用numpy成绩进行处理。
利用NumPy进行统计分析
agshj的博客
06-17 298
对于更复杂的数据集和统计需求，可能需要结合NumPy的其他功能，如数组操作、数学函数等。print(std_dev) # 输出：1.5811388300841898。print(weighted_mean) # 输出：88.8。print(median_value) # 输出：3.0。print(mean_value) # 输出：3.0。print(variance) # 输出：2.5。print(min_value) # 输出：1。print(max_value) # 输出：5。
python 练习题一：统计全班的成绩
weixin_45016484的博客
10-15 4721
题目： 假设一个团队里有 5 名学员，成绩如下表所示。你可以用 NumPy 统计下这些人在语文、英语、数学中的平均成绩、最小成绩、最大成绩、方差、标准差。然后把这些人的总成绩排序，得出名次进行成绩输出。 代码如下： def students_sort(): student_type = np.dtype({ ‘names’: [‘name’, ‘chiness’, ‘english’, ‘manth’], ‘formats’: [‘S12’, ‘i’, ‘i’, ‘i’] }) students = np
利用Numpy进行统计分析
yixuan03的博客
06-05 926
这份代码演示了如何使用NumPy库来创建、操作和处理多维数组。在这份代码中，我们使用各种NumPy函数来执行不同的数组操作。首先，我们使用`np.random.seed()`函数来设置随机数生成器的种子，以便每次生成的随机数是相同的。然后使用`np.random.randint()`函数随机生成一个二维数组，该函数用于生成指定范围内指定大小的随机整数数组。
利用numpy进行统计分析
nnnnn68的博客
04-25 824
numpy 统计分析 排序 sort 去重 unique 重复数 repeat tile 累计和、累计积
基于numpy的统计分析应用
MESSI_JAMES的博客
05-29 475
加载收盘价和成交量 获取数据 close,amount=np.loadtxt("data.csv",delimiter=",",usecols=(6,7),unpack=True) print("收盘价:\n",close)-----------------------> 收盘价: [336.1 339.32 345.03 344.32 343.44 346.5 351
Numpy学习笔记(二)(数组的统计应用)
xiaoyouyouaaa的博客
12-26 997
目录 简单数学函数 统计函数 随机分布数组 位运算 逻辑运算 简单数学函数 """ 数组的计算 """ import numpy as np from icecream import ic # 四则运算, 即将数组各个位置的元素做运算 data = np.array([1, 2]) one = np.array([1, 1]) ic(data + one) ic(data - one) ic(data * one) ic(data / one) a = np.random.random(
python成绩统计_python统计全班的成绩（numpy的使用）
weixin_39944146的博客
11-21 2204
importnumpy as npscore_type= np.dtype({'names':["name","chinese","english","math"],'formats':['S32','i', 'i', 'i']})score= np.array([("zhangfei",66,65,30),("guanyu",95,85,98),("zhangyun",93,92,96),("h...
Numpy数据分析模块实训-【根据“某门课程平时成绩和期末考试成绩.csv”内容，计算课程的平时成绩和期末考试成绩的均值、标准差、方差、最小值、最大值，输出期末考试比平时成绩高的学生名单，并输出期末】
weixin_51355074的博客
03-16 3014
Numpy数据分析模块实训-【根据“某门课程平时成绩和期末考试成绩.csv”内容，计算课程的平时成绩和期末考试成绩的均值、标准差、方差、最小值、最大值，输出期末考试比平时成绩高的学生名单，并输出期末考试排名前10名的学生（如果期末成绩相同，则平时成绩高的排在前面）。】
用雷达统计成绩单、numpy、matplotlib的使用
daxia5742的博客
04-24 205
#e19.1DrawRadar import numpy as np import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.family']='SimHei' matplotlib.rcParams['font.sans-serif'] = ['SimHei'] labels...
python数据分析-学生成绩分析
热门推荐
xu__ying的博客
09-04 1万+
目标：分析学生成绩的影响因素 1.导入原始数据，以及需要用到的库 import pandas as pd import numpy as np df = pd.read_csv('StudentsPerformance.csv') (数据来源于kaggle) 2.查看文件 从上面的信息可以看出这一千个学生的数据中是没有空值，而且可以看出各列数据的类型。 还可以通过unique来查看某列数据都有哪些值，是否有无效数据。 df['parental level of education'].unique()
用numpy统计学生成绩
最新发布
06-26
在Python中，NumPy是一个强大的数值计算库，可以用来方便地进行各种统计分析，包括生成成绩分布、计算平均值、标准差等。以下是使用NumPy进行基本统计学操作生成成绩的一些步骤： 1. **安装和导入NumPy**: 首先，确保已经安装了NumPy，如果没有，可以通过pip安装： ``` pip install numpy ``` 然后在代码中导入NumPy模块： ```python import numpy as np ``` 2. **创建成绩数据**: 假设我们有一个包含学生分数的列表或数组，例如： ```python scores = [85, 90, 78, 92, 88, 80, 95, 76] ``` 3. **基本统计计算**: - **平均分（均值）**: `np.mean(scores)` - **标准差**: `np.std(scores)` - **中位数**: 使用`np.median()`，因为NumPy默认是升序排列 - **百分位数**: `np.percentile(scores, [25, 50, 75])` 返回Q1, Q2 (中位数), Q3 4. **生成成绩分布**: - **直方图（histogram）**: `plt.hist(scores, bins=10)`，可以使用matplotlib库配合展示分数的分布情况。 5. **保存或输出结果**: 对于数值结果，可以直接打印；对于可视化结果，可能需要结合Matplotlib或Seaborn库进行显示。 ```python # 示例 mean_score = np.mean(scores) std_dev = np.std(scores) median_score = np.median(scores) percentiles = np.percentile(scores, [25, 50, 75]) print(f"平均分: {mean_score}") print(f"标准差: {std_dev}") print(f"中位数: {median_score}") print(f"百分位数(25%, 50%, 75%): {percentiles}") # 可视化 import matplotlib.pyplot as plt plt.hist(scores, bins=10) plt.xlabel('分数') plt.ylabel('频率') plt.title('成绩分布') plt.show() ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值