Python数据分析与可视化案例解析

题目需求描述

已知两个Excel表格：学生基本信息表、期末考试成绩表分别用于存放学生的基本信息（包括姓名、性别、班级）和学生的期末成绩（包括姓名、语文、数学、英语、总分），部分数据如下图所示（完整数据见学生基本信息表****.xls、期末考试成绩表**.xls**），完成以下操作。

（1）编写程序读取两张表中的数据，并将其根据姓名进行合并，然后将合并后的数据按照总分从高到低进行排序，总分相同时，根据英语成绩从高到低排序，并将结果存放在**学生期末考试成绩排名表****.xls**中，最终表中的部分数据如下。

（2）编写程序分别用饼状图绘制出语文、数学、英语课程优秀（分数**>=90**）、良好（90>分数>=80）、中等（80>分数>=70）、及格（70>分数>=60）、不及格（分数**<60**）的比例。最终效果如图所示，要求三个图放在一个大图中，大图的标题为**学生各科成绩分布图，每个图都有子标题，例如语文成绩分布，所有比例保留1位小数点**，最终的图保存为**饼状图.png**。

（3）编写程序分别用条形图绘制出语文、数学、英语课程的最低分、最高分以及平均分。最终效果图如图所示，要求图中显示**图例、标题，条形图上方显示相应数字，最终的图保存为条形****.png**。

代码参考

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np


def get_datas(df, col):
    level_1 = len(df[df[col] >= 90])
    level_2 = len(df[(df[col] < 90) & (df[col] >= 80)])
    level_3 = len(df[(df[col] < 80) & (df[col] >= 70)])
    level_4 = len(df[(df[col] < 70) & (df[col] >= 60)])
    level_5 = len(df[df[col] < 60])
    return level_1, level_2, level_3, level_4, level_5


# 第一小题
d_1 = pd.read_excel("学生基本信息表.xls", skiprows=1)
d_2 = pd.read_excel("期末考试成绩表.xls", skiprows=1)
d_3 = pd.merge(d_1, d_2)
d_3 = d_3.sort_values(by=["总分", "英语"], ascending=False)
d_3.to_excel("学生期末考试成绩排名表.xls")


# 第二小题
results = []
titles = ["语文", "数学", "英语"]
plt.rcParams["font.family"] = "FangSong"  # 设置字体
labels = ["优秀", "良好", "中等", "及格", "不及格"]
for title in titles:
    results.append(get_datas(d_3, title))

plt.figure(figsize=(12, 5))  # 创建一个新图
plt.suptitle("学生各科成绩分布图")
for index, data in enumerate(results):
    print(data)
    plt.subplot(1, 3, index + 1)
    plt.title(titles[index] + "成绩分布")
    plt.pie(data, labels=labels, autopct='%.1f%%', shadow=True, labeldistance=1.2,
            explode=(0.1, 0, 0, 0, 0), colors=['m', 'c', 'y', 'r', 'g'])
plt.savefig("饼状图")


# 第三小题
plt.figure()  # 创建一个新图
min_datas =[np.min(d_3["语文"]), np.min(d_3["数学"]), np.min(d_3["英语"])]
mean_datas =[np.mean(d_3["语文"]), np.mean(d_3["数学"]), np.mean(d_3["英语"])]
max_datas =[np.max(d_3["语文"]), np.max(d_3["数学"]), np.max(d_3["英语"])]
kemu_datas = [min_datas, mean_datas, max_datas]
legends = ["最低分", "平均分", "最高分"]
x = range(len(titles))
plt.title("各科成绩统计信息")
for index, data in enumerate(kemu_datas):
    plt.bar([i + 0.3 * index for i in x], height=data, width=0.3, label=legends[index])
    for j, num in enumerate(data):
        plt.text(0.3 * index + j, num + 1, "{:.1f}".format(num), ha="center", va="bottom", color="r")
plt.xticks([i + 0.3 for i in x], titles)  # 绘制底部标签
plt.legend()
plt.savefig("条形图")
plt.show()

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析学习等教程。带你从零基础系统性的学好Python！

一、Python学习大纲

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、入门学习视频

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、python副业兼职与全职路线

上述这份完整版的Python全套学习资料已经上传CSDN官方，如果需要可以微信扫描下方CSDN官方认证二维码 即可领取

👉[[CSDN大礼包：《python兼职资源&全套学习资料》免费分享]]（安全链接，放心点击）