学生成绩分析报告数据分析可视化python实现源码seaborn、matplotlib

最终报告见文末资源链接
1.导入包，设置显示

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline

2.读取2019年期末成绩数据

data1 = pd.read_excel('2019期末.xls',skip=0)
data1.rename(columns={
   '现在班级':'班级'},inplace=True)
data1.drop(['考号','座号','考室','学籍号','考场','学籍班级'],axis=1,inplace=True)
data1['班级'] = data1['班级'].astype('str')
data1.head()

	班级	姓名	语文	数学	外语	政治	历史	地理	生物	总分
0	2.1	蒋博文	126.0	126.0	128.0	91.0	82.0	98.0	84.0	735.0
1	2.2	刘悦	111.0	135.0	115.0	75.0	80.0	96.0	16.0	628.0
2	2.4	秦浩	108.0	116.0	102.0	64.0	78.0	75.0	53.0	596.0
3	2.1	曹月婷	107.0	133.0	113.0	83.0	73.0	96.0	60.0	665.0
4	2.4	刘金红	112.0	126.0	123.0	74.0	42.0	38.0	34.0	549.0

3.读取2020年月考成绩数据

data2 = pd.read_excel('2020月考.xlsx',skip=1)
data2.rename(columns={
   '班级名称':'班级'},inplace=True)
data2.drop(['考号','座位号','考室','级名'],axis=1,inplace=True)
data2['班级'] = data2['班级'].astype('str')
data2.head()

	班级	姓名	语文	数学	外语	物理	总分
0	2.4	陈泳奇	126	125	145.5	90	486.5
1	2.1	蒋博文	126	118	140.0	95	479.0
2	2.4	刘鑫	131	121	133.0	94	479.0
3	2.2	徐睿	130	113	138.5	91	472.5
4	2.6	刘威	124	122	130.0	97	473.0

4.读取2021年期末数据

data3 = pd.read_excel('2021期末.xlsx',sheet_name='成绩录入')
data3.rename(columns={
   '班级名称':'班级'},inplace=True)
data3.drop(['年级','考号','化学','座位号','考室','班名次','级名次'],axis=1,inplace=True)
data3['班级'] = data3['班级'].astype('str')
data3.head()

	班级	姓名	语文	数学	外语	物理	生物	政治	历史	地理	总分
0	2.5	袁奇	81	74	54.5	61	47	64	60	39	480.5
1	2.1	何明娅	87	45	50.0	31	55	59	46	48	421.0
2	2.6	叶鑫	97	126	104.0	93	79	64	61	69	693.0
3	2.4	龙咏婷	101	91	118.0	78	79	66	62	64	659.0
4	2.2	张琬琪	84	87	42.5	19	43	56	30	39	400.5

5.按班级，求各科和总成绩平均

total_avg1 = data1.groupby('班级',as_index = False).agg({
   '总分':np.mean,'语文':np.mean,'数学':np.mean,'外语':np.mean,'政治':np.mean,'历史':np.mean,'地理':np.mean,'生物':np.mean})
total_avg1

	班级	总分	语文	数学	外语	政治	历史	地理	生物
0	2.1	466.230159	102.338710	96.112903	72.452381	72.306452	45.451613	54.000000	29.919355
1	2.2	463.311475	99.918033	92.131148	72.065574	68.262295	46.229508	55.377049	29.327869
2	2.3	492.482759	103.931034	87.155172	87.241379	65.982759	51.155172	61.862069	35.155172
3	2.4	471.983607	104.442623	87.442623	85.426230	63.786885	52.000000	46.819672	32.065574
4	2.5	462.800000	98.133333	94.566667	79.216667	62.766667	50.233333	46.633333	31.250000
5	2.6	415.983871	96.564516	88.870968	63.580645	57.000000	42.354839	38.225806	29.387097

total_avg2 = data2.groupby('班级',as_index = False).agg({
   '语文':np.mean,'数学':np.mean,'外语':np.mean,'物理':np.mean})
# total_avg2['班级'] = total_avg2['班级'].astype('str')
total_avg3 = data3.groupby('班级',as_index = False).agg({
   '总分':np.mean,'语文':np.mean,'数学':np.mean,'外语':np.mean,'物理':np.mean,'政治':np.mean,'历史':np.mean,'地理':np.mean,'生物':np.mean})

6.对平均分进行排序

total_avg3.sort_values(by=['总分'