环境为notebook,对体测成绩汇总进行处理。
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import matplotlib.pyplot as plt
%matplotlib inline
data = pd.read_excel('./18级高一体测成绩汇总.xls')
data
data[:45]
# 把有班级那一行的数据给删除,data['班级'],索引班级列
cond = data['班级'] != '班级'
data = data[cond]
data[:45]
#value : 变量, 字典, Series, or DataFrame
#用于填充缺失值(例如0),或者指定为每个索引(对于Series)或列(对于DataFrame)使用哪个字典/Serise/DataFrame的值。
#inplace : boolean, 默认值 False。如果为Ture,在原地填满。
data.fillna(0,inplace=True)
# 没有空数据了
data.isnull().any()
data.dtypes
# 处理米
def convert(x):
if isinstance(x,str):
minute,second = x.split("'")
minute = int(minute)
second = int(second)
return minute + second/100.0
else:
return x
data['1000米'] = data['1000米'].map(convert)
data.head()
score = pd.read_excel('体侧成绩评分表.xls',header = [0,1])
score
# 男生的成绩进行了转化
def convert(item):
m,s = item.strip('"').split("'")
m,s = int(m),int(s)
return m + s/100.0
score.iloc[:,-4] = score.iloc[:,-4].map(convert)
# 女生成绩,进行转化
def convert(item):
m,s = item.strip('"').split("'")
m,s = int(m),int(s)
return m + s/100.0
score.iloc[:,-2] = score.iloc[:,-2].map(convert)
score
data.columns = ['班级', '性别', '姓名', '男1000', '男50米跑', '跳远', '体前屈', '引体', '肺活量', '身高', '体重']
s = score['男1000']
s
data['男50米跑'] = data['男50米跑'].astype(np.float)
data
# loc函数:通过行索引 "Index" 中的具体值来取行数据(如取"Index"为"A"的行)
# iloc函数:通过行号来取行数据(如取第二行的数据)
for col in ['男1000', '男50米跑']:
# 获取成绩的标准
s = score[col]
def convert(x):
for i in range(len(s)):
if x <= s['成绩'].iloc[0]:
if x == 0:
return 0#没有参加这个项目
return 100
elif x > s['成绩'].iloc[-1]:
return 0 #跑的太慢
elif (x > s['成绩'].iloc[i - 1]) and (x <= s['成绩'].iloc[i]):
return s['分数'].iloc[i]
data[col + '成绩'] = data[col].map(convert)
data.columns
data.head()
for col in ['跳远', '体前屈', '引体', '肺活量']:
s = score['男'+col]
def convert(x):
for i in range(len(s)):
if x >= s['成绩'].iloc[i]:
return s['分数'].iloc[i]
return 0
data[col + '成绩'] = data[col].map(convert)
data.head(30)
data.columns
cols = ['班级', '性别', '姓名', '男1000','男1000成绩', '男50米跑', '男50米跑成绩','跳远', '跳远成绩', '体前屈', '体前屈成绩', '引体', '引体成绩','肺活量', '肺活量成绩', '身高','体重']
# 根据索引的顺序去DataFrame中取值
data = data[cols]
data.head()
def convert(x):
if x > 100:
return x/100
else:
return x
data['身高'] = data['身高'].map(convert)
data['BMI'] = (data['体重']/(data['身高'])**2).round(1)
data.head()
'''≤16.4
23.3~26.3'''
def convert_bmi(x):
if x >= 26.4:
return 60
elif (x <= 16.4) or (x >=23.3 and x <= 26.3):
return 80
elif x >=16.5 and x <=23.2:
return 100
else:
return 0
data['BMI_score'] = data['BMI'].map(convert_bmi)
data.head(50)
# 统计分析
# 定义需求,画图,对比分析
(data['BMI_score'].value_counts()).plot(kind = 'pie',autopct = '%0.2f%%')
data.groupby(['男1000成绩'])['BMI_score'].count().plot(kind = 'bar')