数据分析案例：教育数据分析

数据分析案例：教育数据分析

1. 项目背景

在教育领域，通过对学生成绩和行为数据进行分析，可以发现影响学生学习效果的关键因素，及时干预学习困难学生，优化教学资源分配。本案例以某高中学期末考试与平时表现数据为例，演示如何利用 Pandas、Matplotlib 和 Scikit-learn 构建学生成绩预测模型，并进行多维度分析，为教育管理与教学改进提供数据支持。

---

2. 数据加载与预处理

2.1 数据说明

假设我们有一份包含 500 名学生数据的 CSV 文件 student_performance.csv，字段包括：

• student_id：学生编号
• gender：性别（Male/Female）
• age：年龄
• study_time：每周学习时长（小时）
• absences：缺勤次数
• G1、G2、G3：第一、二、三次考试成绩（0–100）
• failures：不及格科目次数

目标：预测学生最后一次考试成绩 G3 是否及格（≥60 分）。

2.2 读取数据

import pandas as pd

df = pd.read_csv('student_performance.csv')
print("数据预览：")
print(df.head())
print("\n数据维度：", df.shape)

2.3 缺失值与异常处理

# 缺失值检查
print(df.isnull().sum())

# 若存在缺失，可按列均值或中位数填充
df['study_time'].fillna(df['study_time'].median(), inplace=True)

# 检查异常值：年龄范围合理性
print(df['age'].describe())
df = df[df['age'].between(15, 22)]  # 保留 15–22 岁学生

---

3. 探索性数据分析（EDA）

3.1 性别分布

import matplotlib.pyplot as plt

df['gender'].value_counts().plot.pie(
    autopct='%1.1f%%', title='性别分布'
)
plt.ylabel('')
plt.show()

<