数据分析作业（一）利用Python分析学生成绩

一、题目描述

个人构造一个30名学生的班级，每名学生有三门课程，学生的学号和各门成绩形如：

学号 高数 英语 Python
1001 85 90 96
1002 96 92 95
1003 78 87 83
为了输入数据方便，请保存在如student_score.csv文件中。
（1）请计算三门课程的总分，此班级每门课程的平均分和最高分及最低分，并绘制相应的图形来统计三门课程的成绩分布。
（2）各图形自拟。
（3）坐标轴标签，图例等属性设置完整。
（4）使用中文标题及标签。

二、解题步骤

运行环境

Anconda3.X Spyder（Python 3.7）

题目分析

步骤一：创建csv文件以保存实验所需数据。
本文使用使用Excel创建CSV文件。操作步骤如下：
1）新建一个Excel表，（使用WPS和Microsoft都是一样的）
2）打开Excel进行编辑。
3）生成.csv文件。
方式一：WPS表格-另存为-其它格式-选择文件类型-命名文件名，最后保存。
方式二：保存文档后直接修改“新建 Microsoft Excel 工作表.xlsx”为“使用Excel创建CSV文件.csv”。
4）点击保存后有相应警告提醒，则选“确定”或“是”即可

本文使用到的资源（百度网盘）
链接：https://pan.baidu.com/s/1gKDtK2yNfPgj_2OIzWI0TA
提取码：8vnx

步骤二：导入所需要的库

import pandas as pd	#进行文件读取
import matplotlib.pyplot as plt #绘图

步骤三：读取csv文件
在Spyder中读取student_score.csv为DataFrame字符流，并且赋值给df，需要设置编码格式为GBK格式。本文将数据文件放置在同一目录下。作者在使用UFT-8编码会无法正确读出数据。

score = pd.read_csv('./student_score.csv',encoding = 'gbk')#这里使用的是相对路径
#获取文件绝对路径
#import os
#file_path = os.path.abspath('students_score.csv')
#print(file_path)

步骤四：提取所需数据
此步骤中涉及到DataFrame的一些操作。本文在提取相关数据时使用访问属性的方式访问DataFrame单列数据。在附录B中有使用字典访问内部数据的方式访问DataFrame单列数据。

score = pd.read_csv('./student_score.csv',encoding = 'gbk')
#最高分
Math_Max = score.高数.max()
English_Max = score.英语.max()
Python_Max = score.Python.max()
#最低分
Math_Min = score.高数.min()
English_Min = score.英语.min()
Python_Min = score.Python.min()
#成绩方差
Math_Var = score.高数.var()
English_Var = score.英语.var()
Python_Var = score.Python.var()
#成绩均值
Math_Avg = score.高数.mean()
English_Avg = score.英语.mean()
Python_Avg = score.Python.mean()
#学生总成绩
Total_Score = score.高数 + score.英语 + score.Python

步骤五：设置字体
由于默认的pyplot字体并不支持中文字符的显示，因此需要通过设置font.sans-serif参数来改变绘图时的字体，使得可以正常显示中文。同时，由于更改字体后会导致坐标轴中的字体无法显示，因此要同时更改axes.unicode_minus参数

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

步骤六：数据可视化
本文只列出了所有学生总成绩的直方图，折线图，散点图和每门课程的箱线图，其他部分的图形数据较少只给出直方图。其他的绘图在附录B中有相关代码参考。

plt.title('学生总成绩分布直方图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.bar(score.学号,Total_Score)
plt.show()

plt.title('学生总成绩分布折线图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.plot(score.学号,Total_Score)
plt.show()

plt.title('学生总成绩分布散点图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.scatter(score.学号,Total_Score)
plt.show()

plt.title('每门课程箱线图')
plt.xlabel('课程名')
plt.ylabel('分数')
label = ['高数','英语','Python']
s = (score.高数,score.英语,score.Python)
plt.boxplot(s,labels = label)
plt.show()

plt.title('每门课程平均分直方图')
plt.xlabel('课程名')
plt.ylabel('平均分')
plt.bar('Python',Python_Avg)
plt.bar('高数',Math_Avg)
plt.bar('英语',English_Avg)
plt.show()

plt.title('每门课程最高分直方图')
plt.xlabel('课程名')
plt.ylabel('最高分')
plt.bar('Python',Python_Max)
plt.bar('高数',Math_Max)
plt.bar('英语',English_Max)
plt.show()

plt.title('每门课程最低分直方图')
plt.xlabel('课程名')
plt.ylabel('最低分')
plt.bar('Python',Python_Min)
plt.bar('高数',Math_Min)
plt.bar('英语',English_Min)
plt.show()

也可以通过创建子图的方式显示，此时需要创建画布。

p1=plt.figure()#创建画布
a1=p1.add_subplot(2,2,1)#绘制第一幅子图
plt.title('学生总成绩分布直方图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.bar(score.学号,Total_Score)

a2=p1.add_subplot(2,2,2)#绘制第二幅子图
plt.title('学生总成绩分布折线图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.plot(score.学号,Total_Score)

a3=p1.add_subplot(2,2,3)#绘制第三幅子图
plt.title('学生总成绩分布散点图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.scatter(score.学号,Total_Score)

a4=p1.add_subplot(2,2,4)#绘制第四幅子图
plt.title('每门课程箱线图')
plt.xlabel('课程名')
plt.ylabel('分数')
label = ['高数','英语','Python']
s = (score.高数,score.英语,score.Python)
plt.boxplot(s,labels = label)
plt.show()

三、完整代码

import pandas as pd
import matplotlib.pyplot as plt

#读取文件
score = pd.read_csv('./student_score.csv',encoding = 'gbk')

#最高分
Math_Max = score.高数.max()
English_Max = score.英语.max()
Python_Max = score.Python.max()
#最低分
Math_Min = score.高数.min()
English_Min = score.英语.min()
Python_Min = score.Python.min()
#成绩方差
Math_Var = score.高数.var()
English_Var = score.英语.var()
Python_Var = score.Python.var()
#成绩均值
Math_Avg = score.高数.mean()
English_Avg = score.英语.mean()
Python_Avg = score.Python.mean()
#学生总成绩
Total_Score = score.高数 + score.英语 + score.Python

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

plt.title('学生总成绩分布直方图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.bar(score.学号,Total_Score)
plt.show()


plt.title('学生总成绩分布折线图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.plot(score.学号,Total_Score)
plt.show()

plt.title('学生总成绩分布散点图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.scatter(score.学号,Total_Score)
plt.show()

plt.title('每门课程箱线图')
plt.xlabel('课程名')
plt.ylabel('分数')
label = ['高数','英语','Python']
s = (score.高数,score.英语,score.Python)
plt.boxplot(s,labels = label)
plt.show()

plt.title('每门课程平均分直方图')
plt.xlabel('课程名')
plt.ylabel('平均分')
plt.bar('Python',Python_Avg)
plt.bar('高数',Math_Avg)
plt.bar('英语',English_Avg)
plt.show()

plt.title('每门课程最高分直方图')
plt.xlabel('课程名')
plt.ylabel('最高分')
plt.bar('Python',Python_Max)
plt.bar('高数',Math_Max)
plt.bar('英语',English_Max)
plt.show()

plt.title('每门课程最低分直方图')
plt.xlabel('课程名')
plt.ylabel('最低分')
plt.bar('Python',Python_Min)
plt.bar('高数',Math_Min)
plt.bar('英语',English_Min)
plt.show()

四、运行结果

通过创建子图的方式显示：

五、参考文献

黄红梅，张良均.Python数据分析与应用[M].北京:人民邮电出版社,2018(4):52-89
python 计算均值、方差、标准差 Numpy，Pandas

附录

附录A

更新记录

2021-05-04	
新增：自定义数据，完成直方图，折线图，散点图，饼图等。
	 使用字典访问内部数据的方式访问DataFrame单列数据。
	 读取Excel文件数据表。请参考附录B 相关练习题目
2021-05-24
新增：附录B运行截图。
更改：文中部分描述错误。
2021-06-18
新增：文中正文与附录中的测试代码文件，正文文件为网盘连接。

附录B 相关练习题目

练习一：读取Excel文件数据表分别存入DataFrame对象Score和Duty

题目描述
1.练习pandas统计分析基础，数据读取、分析、输出。
2.自建EXCEL文件，分为2个工作区，分别存放学生信息表（不少于30人）和班级职务表（不少于4种职务）。

如信息表：
学号 姓名
性别 数学 英语 Python 通信技术
1001 张三 男 95 86 87 90
1002 李四 女 98 84 88 89
如班级职务表：
学号 职务
1001 班长
1002 学习委员
读取Excel文件数据表分别存入DataFrame对象Score和Duty。要求如下：

1）Score对象新增一列“总分”为前四列成绩之和。
2）Score对象依据“总分”列的值从高到低进行排序。
3）Score对象根据性别列进行分组，输出男女生各自的平均分。
4）输出男女生的最高分。
5）Score对象新增一列“等级”，总分大于360的等级为A，总分小于270的等级为C，介于270到360之间为B。
6）以“学号”列为关联关键，将Score对象和Duty对象合并，保留所有Score对象的数据行，合并声称新的DataFrame对象Students。
7）把Students对象数据存入新的Excel文件students.xlsx中。

本文用到的数据class.xlsx

参考代码
请注意在#Anaconda 3.7版本中 ‘sheetname’ 命令，已更新为 ‘sheet_name’
如果有报错：TypeError: read_excel() got an unexpected keyword argument 'sheetname'请尝试将’sheetname‘改为’sheet_name’

import pandas as pd

Score = pd.read_excel('./class.xlsx')
#TypeError: read_excel() got an unexpected keyword argument `sheetname`
#Anaconda 3.7版本中 'sheetname' 命令，已更新为 'sheet_name' 
Duty = pd.read_excel('./class.xlsx',sheet_name=1)

Score['总分'] = Score['数学'] + Score['英语'] + Score['Python'] + Score['通信技术']
Score = Score.sort_values(by='总分',ascending=False)

newgroup = Score[['性别','数学','英语','Python','通信技术','总分']].groupby( by  ='性别')
print(newgroup.mean())
print(newgroup.max())

Score['等级'] = Score['总分'].apply(lambda x: 'A' if x>=360 else('C' if x<270  else 'B'))

#print(Score)
#print(Duty)

Students = pd.merge(left=Score , right=Duty , how="outer",on='学号')
#Students = pd.concat([Score,Duty],axis=1,join='inner')
print(Students)

Students.to_excel('./students.xlsx')

运行结果

           数学         英语     Python       通信技术          总分

性别                                                        

女   81.823529  88.588235  89.176471  80.941176  340.529412

男   87.722222  88.055556  89.944444  78.833333  344.555556

    数学  英语  Python  通信技术   总分

性别                           

女   99  97      99    91  362

男   97  98      99    94  362

      学号 性别  数学  英语  Python  通信技术   总分 等级    职务

0   1035  男  89  95      84    94  362  A  体育委员

1   1030  女  84  90      99    89  362  A  纪律委员

2   1010  男  94  89      99    79  361  A     无

3   1034  男  88  94      83    93  358  B     无

4   1029  女  83  89      98    88  358  B  心理委员

5   1009  男  93  88      98    78  357  B     无

6   1028  女  82  88      97    87  354  B  心理委员

7   1033  男  87  93      82    92  354  B     无

8   1008  男  92  87      97    77  353  B  学习委员

9   1015  女  99  94      84    74  351  B     无

10  1027  男  81  87      96    86  350  B     无

11  1032  女  86  92      81    91  350  B     无

12  1007  男  91  86      96    76  349  B  学习委员

13  1014  女  98  93      83    73  347  B     无

14  1026  女  80  86      95    85  346  B     无

15  1006  男  90  85      95    75  345  B     无

16  1013  男  97  92      82    72  343  B     无

17  1025  女  79  85      94    84  342  B     无

18  1005  男  89  84      94    74  341  B     无

19  1012  男  96  91      81    71  339  B     无

20  1024  女  78  84      93    83  338  B     无

21  1019  男  73  98      88    78  337  B  宣传委员

22  1004  男  88  83      93    73  337  B     无

23  1031  女  85  91      70    90  336  B  纪律委员

24  1011  男  95  90      80    70  335  B     无

25  1023  女  77  83      92    82  334  B     无

26  1018  女  72  97      87    77  333  B     无

27  1003  男  87  82      92    72  333  B    班长

28  1022  女  76  82      91    81  330  B     无

29  1002  女  86  81      91    71  329  B     无

30  1017  女  71  96      86    76  329  B     无

31  1021  男  75  81      90    80  326  B  心理委员

32  1016  女  70  95      85    75  325  B     无

33  1001  女  85  80      90    70  325  B     无

34  1020  男  74  80      89    79  322  B  宣传委员

练习二：自定义数据，完成直方图，折线图，散点图，饼图等

参考代码

import pandas as pd
import matplotlib.pyplot as plt

stu = pd.read_excel('./class.xlsx')
stu_Score = stu['数学'] + stu['英语'] + stu['Python'] + stu['通信技术']
stu['总分'] = stu_Score
print(stu)

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

plt.title('学生总成绩分布直方图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.bar(stu['学号'],stu['总分'])
plt.show()

plt.title('学生成绩分布折线图')
plt.xlabel('学号')
plt.ylabel('分数')
plt.plot(stu['学号'],stu['总分'],'r-',stu['学号'],stu['数学'],'b-',stu['学号'],stu['英语'],'y--',
        stu['学号'],stu['Python'],'g',stu['学号'],stu['通信技术'],'m-')
plt.legend(['总分','数学','英语','Python','通信技术'])
plt.show()

plt.title('学生成绩分布散点图')
plt.xlabel('学号')
plt.ylabel('分数')
plt.scatter(stu['学号'],stu['总分'])
plt.scatter(stu['学号'],stu['数学'])
plt.scatter(stu['学号'],stu['英语'])
plt.scatter(stu['学号'],stu['Python'])
plt.scatter(stu['学号'],stu['通信技术'])
plt.legend(['总分','数学','英语','Python','通信技术'])
plt.show()

plt.title('学生成绩饼图')
label = ['数学','英语','Python','通信技术']
X = [stu['数学'].sum(),stu['英语'].sum(),stu['Python'].sum(),stu['通信技术'].sum()]
plt.pie(X,labels=label,autopct='%1.2f%%')
plt.show()

运行结果