sklearn代码18 python自动化处理数据

最新推荐文章于 2024-05-01 20:44:21 发布

可可茜里的传说

最新推荐文章于 2024-05-01 20:44:21 发布

阅读量393

点赞数

分类专栏： python scikit-learn模块文章标签： python sklearn 自动化

本文链接：https://blog.csdn.net/weixin_44632711/article/details/121148209

版权

python scikit-learn模块专栏收录该内容

58 篇文章 4 订阅

订阅专栏

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

	班级	性别	姓名	1000米	50米	跳远	体前屈	引体	肺活量	身高	体重
0	1	男	高孜阳0611	4'13	8.88	195	12	1	2785	170	72.6
1	1	男	郝少杰1013	4'16	7.70	225	11	7	3133	174	52.7
2	1	男	郝梓烨0619	4'09	8.45	218	14	1	3901	169	46.5
3	1	男	何弘源1010	4'21	8.05	206	13	1	4946	183	79.7
4	1	男	刘硕鹏1212	3'44	7.52	210	13	9	3538	171	54.7
5	1	男	刘运硕0314	3'49	7.94	190	20	7	3970	175	66.4
6	1	男	吕晓瑶0314	3'54	7.75	186	11	7	3710	173	53.9
7	1	男	米孜聪0636	4'3	8.06	195	3	1	5578	178	83.1
8	1	男	聂浩然2719	4'01	7.75	220	15	10	3821	175	66.5
9	1	男	牛苗嘉1211	4'12	7.38	245	17	11	4423	167	53.9
10	1	男	牛砚哲2813	4	7.82	219	13	11	4031	173	57.4
11	1	男	齐子涵185x	4'13	7.37	228	9	15	4354	163	54.6
12	1	男	乔一甲0616	3'45	7.66	202	7	3	2238	179	61.1
13	1	男	任晓波0311	3'46	7.66	245	3	7	4811	177	63.9
14	1	男	戎小龙2633	0	0	0	0	0	0	0	NaN
15	1	男	桑淳熙0616	3'57	7.60	192	7	5	4147	174	59.2
16	1	男	田晓龙2411	4'18	8.14	210	8	4	4241	179	61.9
17	1	男	田玉聪2716	3'32	7.20	255	22	12	5324	183	63.4
18	1	男	王晨宇0613	3'56	8.15	207	13	12	4363	173	60.5
19	1	男	王家梁0630	3'47	8.15	202	13	16	5364	174	56
20	1	男	王乐天3331	3'53	7.85	210	3	7	3445	177	56.9
21	1	男	王一钊1213	3'57	7.85	220	9	2	5670	177	55.5
22	1	男	王子天0634	3'42	7.23	212	12	15	5709	185	72.3
23	1	男	王子鑫0012	4'3	7.68	218	15	3	4780	177	83.7
24	1	男	未晓锟1214	4'14	8.30	206	15	1	3358	173	46.6
25	1	男	张国瑞033x	4'04	8.15	205	9	5	3494	169	48.3
26	1	男	张皓天0632	4'04	7.55	190	12	5	3286	169	50.1
27	1	男	张泽地0310	4'02	7.55	240	5	12	4483	171	58.4
28	1	男	张智贤0318	3'57	7.89	220	9	11	4254	166	54.8
29	1	男	赵博翰101x	4'16	8.19	212	27	7	3498	169	68
...	...	...	...	...	...	...	...	...	...	...	...
463	17	男	王亚楠2636	4'15	8.36	217	20	2	5452	175	83.4
464	17	男	陈核涛2612	4'36	7.22	267	6	11	5555	179	62.2
465	17	男	曹佳尧213X	3'48	7.37	225	17	12	5519	176	62.2
466	17	男	贾存生7812	3'58	7.37	236	12	11	4246	169	60.1
467	17	男	杨辰阳0631	4'02	8	210	18	7	4034	167	56.8
468	17	男	张雨康181X	4'02	8	196	12	4	5738	172	66.5
469	17	男	刘帅怡0319	4'38	8.09	223	21	8	5168	169	78
470	17	男	张世荣0326	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
471	17	男	刘泽阳181X	4'2	8.37	208	21	8	5677	172	63.7
472	17	男	王鹏鑫0014	4'26	7.89	232	21	8	7052	180	82.9
473	17	男	贾耀杰1034	4'09	8.46	205	15	7	4208	171	61
474	17	男	刘艺通0619	3'49	7.66	232	11	10	5897	175	56.1
475	17	男	段佳硕2737	4'36	7.77	236	11	20	5158	176	55.2
476	17	男	刘鼎0315	4'37	8.27	208	17	1	6311	177	95.6
477	17	男	张浩2734	3'44	8.27	217	15	7	5075	170	57.6
478	17	男	庞慧谦0707	3'55	7.98	212	20	10	5564	168	54.5
479	17	男	李垚泽0615	3'41	7.57	225	9	5	5599	181	74.8
480	17	男	胡德皓3614	5'29	9.02	210	12	0	6712	183	95.9
481	17	男	张博0316	4'11	7.51	238	21	14	5590	179	67.7
482	17	男	张育森3011	4'56	7.42	252	9	13	5159	180	70
483	17	男	吴宜凯0015	3'54	7.96	229	14	9	5254	182	64.1
484	17	男	左一萌1015	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
485	17	男	王鹏飞0615	4'4	8.02	180	8	1	4592	187	64.6
486	17	男	张泽琼1815	3'54	7.51	238	13	11	5572	176	59.5
487	17	男	张晓波061X	4'58	8.76	200	12	9	4533	169	51.3
488	17	男	张乔楠0311	4'23	8.27	208	10	0	4647	176	69.5
489	17	男	郭泽森0333	5'19	9.55	210	15	6	7042	177	76
490	17	男	陈子龙061X	3'25	7.5	252	13	13	5755	181	65
491	17	男	王丹龙0636	4'39	7.81	208	14	11	5688	172	51.7
492	17	男	王玉涵0636	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

493 rows × 11 columns

data[:45]

	班级	性别	姓名	1000米	50米	跳远	体前屈	引体	肺活量	身高	体重
0	1	男	高孜阳0611	4'13	8.88	195	12	1	2785	170	72.6
1	1	男	郝少杰1013	4'16	7.70	225	11	7	3133	174	52.7
2	1	男	郝梓烨0619	4'09	8.45	218	14	1	3901	169	46.5
3	1	男	何弘源1010	4'21	8.05	206	13	1	4946	183	79.7
4	1	男	刘硕鹏1212	3'44	7.52	210	13	9	3538	171	54.7
5	1	男	刘运硕0314	3'49	7.94	190	20	7	3970	175	66.4
6	1	男	吕晓瑶0314	3'54	7.75	186	11	7	3710	173	53.9
7	1	男	米孜聪0636	4'3	8.06	195	3	1	5578	178	83.1
8	1	男	聂浩然2719	4'01	7.75	220	15	10	3821	175	66.5
9	1	男	牛苗嘉1211	4'12	7.38	245	17	11	4423	167	53.9
10	1	男	牛砚哲2813	4	7.82	219	13	11	4031	173	57.4
11	1	男	齐子涵185x	4'13	7.37	228	9	15	4354	163	54.6
12	1	男	乔一甲0616	3'45	7.66	202	7	3	2238	179	61.1
13	1	男	任晓波0311	3'46	7.66	245	3	7	4811	177	63.9
14	1	男	戎小龙2633	0	0	0	0	0	0	0	NaN
15	1	男	桑淳熙0616	3'57	7.60	192	7	5	4147	174	59.2
16	1	男	田晓龙2411	4'18	8.14	210	8	4	4241	179	61.9
17	1	男	田玉聪2716	3'32	7.20	255	22	12	5324	183	63.4
18	1	男	王晨宇0613	3'56	8.15	207	13	12	4363	173	60.5
19	1	男	王家梁0630	3'47	8.15	202	13	16	5364	174	56
20	1	男	王乐天3331	3'53	7.85	210	3	7	3445	177	56.9
21	1	男	王一钊1213	3'57	7.85	220	9	2	5670	177	55.5
22	1	男	王子天0634	3'42	7.23	212	12	15	5709	185	72.3
23	1	男	王子鑫0012	4'3	7.68	218	15	3	4780	177	83.7
24	1	男	未晓锟1214	4'14	8.30	206	15	1	3358	173	46.6
25	1	男	张国瑞033x	4'04	8.15	205	9	5	3494	169	48.3
26	1	男	张皓天0632	4'04	7.55	190	12	5	3286	169	50.1
27	1	男	张泽地0310	4'02	7.55	240	5	12	4483	171	58.4
28	1	男	张智贤0318	3'57	7.89	220	9	11	4254	166	54.8
29	1	男	赵博翰101x	4'16	8.19	212	27	7	3498	169	68
30	1	男	赵泽凯0311	4'01	7.89	213	5	11	4322	174	55.9
31	1	男	赵泽宇0616	4'08	8.21	208	19	20	3917	166	51.9
32	1	男	左晶川1217	4'06	8.71	206	11	4	3970	172	47.8
33	班级	性别	姓名	800米	50米	跳远	体前屈	仰卧起坐	肺活量	身高	体重
34	2	男	贾和0633	4'22	7.97	215	9	9	3865	175	58.7
35	2	男	李森0636	0	0	0	0	0	0	0	NaN
36	2	男	李一帆1812	4'46	8.79	172	7	1	4750	174	88.6
37	2	男	李子阳0618	4'01	7.37	210	2	7	4714	182	62.5
38	2	男	吕星繁0312	0	0	0	0	0	0	0	NaN
39	2	男	赵凌云105x	4'13	7.77	208	8	7	4327	173	56
40	2	男	赵鹏悦2612	4'27	8.8	185	10	5	4745	164	74.8
41	班级	性别	姓名	1000米	50米	跳远	体前屈	引体	肺活量	身高	体重
42	3	男	宫诚博0612	3'43	6.89	276	16	12	5212	1.84	73.1
43	3	男	郭亚浩181X	4'04	7.25	240	13	8	4756	1.76	72
44	3	男	郝晓辰0013	3'38	7.36	246	22	11	4433	1.84	62.5

cond = data['班级']!='班级'  # 删除多余的班级信息
data = data[cond]
data[:45]

	班级	性别	姓名	1000米	50米	跳远	体前屈	引体	肺活量	身高	体重
0	1	男	高孜阳0611	4'13	8.88	195	12	1	2785	170	72.6
1	1	男	郝少杰1013	4'16	7.70	225	11	7	3133	174	52.7
2	1	男	郝梓烨0619	4'09	8.45	218	14	1	3901	169	46.5
3	1	男	何弘源1010	4'21	8.05	206	13	1	4946	183	79.7
4	1	男	刘硕鹏1212	3'44	7.52	210	13	9	3538	171	54.7
5	1	男	刘运硕0314	3'49	7.94	190	20	7	3970	175	66.4
6	1	男	吕晓瑶0314	3'54	7.75	186	11	7	3710	173	53.9
7	1	男	米孜聪0636	4'3	8.06	195	3	1	5578	178	83.1
8	1	男	聂浩然2719	4'01	7.75	220	15	10	3821	175	66.5
9	1	男	牛苗嘉1211	4'12	7.38	245	17	11	4423	167	53.9
10	1	男	牛砚哲2813	4	7.82	219	13	11	4031	173	57.4
11	1	男	齐子涵185x	4'13	7.37	228	9	15	4354	163	54.6
12	1	男	乔一甲0616	3'45	7.66	202	7	3	2238	179	61.1
13	1	男	任晓波0311	3'46	7.66	245	3	7	4811	177	63.9
14	1	男	戎小龙2633	0	0	0	0	0	0	0	NaN
15	1	男	桑淳熙0616	3'57	7.60	192	7	5	4147	174	59.2
16	1	男	田晓龙2411	4'18	8.14	210	8	4	4241	179	61.9
17	1	男	田玉聪2716	3'32	7.20	255	22	12	5324	183	63.4
18	1	男	王晨宇0613	3'56	8.15	207	13	12	4363	173	60.5
19	1	男	王家梁0630	3'47	8.15	202	13	16	5364	174	56
20	1	男	王乐天3331	3'53	7.85	210	3	7	3445	177	56.9
21	1	男	王一钊1213	3'57	7.85	220	9	2	5670	177	55.5
22	1	男	王子天0634	3'42	7.23	212	12	15	5709	185	72.3
23	1	男	王子鑫0012	4'3	7.68	218	15	3	4780	177	83.7
24	1	男	未晓锟1214	4'14	8.30	206	15	1	3358	173	46.6
25	1	男	张国瑞033x	4'04	8.15	205	9	5	3494	169	48.3
26	1	男	张皓天0632	4'04	7.55	190	12	5	3286	169	50.1
27	1	男	张泽地0310	4'02	7.55	240	5	12	4483	171	58.4
28	1	男	张智贤0318	3'57	7.89	220	9	11	4254	166	54.8
29	1	男	赵博翰101x	4'16	8.19	212	27	7	3498	169	68
30	1	男	赵泽凯0311	4'01	7.89	213	5	11	4322	174	55.9
31	1	男	赵泽宇0616	4'08	8.21	208	19	20	3917	166	51.9
32	1	男	左晶川1217	4'06	8.71	206	11	4	3970	172	47.8
34	2	男	贾和0633	4'22	7.97	215	9	9	3865	175	58.7
35	2	男	李森0636	0	0	0	0	0	0	0	NaN
36	2	男	李一帆1812	4'46	8.79	172	7	1	4750	174	88.6
37	2	男	李子阳0618	4'01	7.37	210	2	7	4714	182	62.5
38	2	男	吕星繁0312	0	0	0	0	0	0	0	NaN
39	2	男	赵凌云105x	4'13	7.77	208	8	7	4327	173	56
40	2	男	赵鹏悦2612	4'27	8.8	185	10	5	4745	164	74.8
42	3	男	宫诚博0612	3'43	6.89	276	16	12	5212	1.84	73.1
43	3	男	郭亚浩181X	4'04	7.25	240	13	8	4756	1.76	72
44	3	男	郝晓辰0013	3'38	7.36	246	22	11	4433	1.84	62.5
45	3	男	李国玺2310	4'19	8.17	220	18	1	4438	1.74	72.2
46	3	男	李一帆1218	4'08	7.8	227	15	1	6033	1.77	85.6

data.fillna(0,inplace=True)  #没参加处理为0

C:\Users\LXQ\Anaconda3\lib\site-packages\pandas\core\frame.py:2754: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  downcast=downcast, **kwargs)

# 没有空数据了
data.isnull().any()

班级       False
性别       False
姓名       False
1000米    False
50米      False
跳远       False
体前屈      False
引体       False
肺活量      False
身高       False
体重       False
dtype: bool

data.head()

	班级	性别	姓名	1000米	50米	跳远	体前屈	引体	肺活量	身高	体重
0	1	男	高孜阳0611	4'13	8.88	195.0	12	1	2785	170.0	72.6
1	1	男	郝少杰1013	4'16	7.70	225.0	11	7	3133	174.0	52.7
2	1	男	郝梓烨0619	4'09	8.45	218.0	14	1	3901	169.0	46.5
3	1	男	何弘源1010	4'21	8.05	206.0	13	1	4946	183.0	79.7
4	1	男	刘硕鹏1212	3'44	7.52	210.0	13	9	3538	171.0	54.7

def convert(x):    #将数据转换为成绩
    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()

C:\Users\LXQ\Anaconda3\lib\site-packages\ipykernel_launcher.py:10: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  # Remove the CWD from sys.path while we load stuff.

	班级	性别	姓名	1000米	50米	跳远	体前屈	引体	肺活量	身高	体重
0	1	男	高孜阳0611	4.13	8.88	195.0	12	1	2785	170.0	72.6
1	1	男	郝少杰1013	4.16	7.70	225.0	11	7	3133	174.0	52.7
2	1	男	郝梓烨0619	4.09	8.45	218.0	14	1	3901	169.0	46.5
3	1	男	何弘源1010	4.21	8.05	206.0	13	1	4946	183.0	79.7
4	1	男	刘硕鹏1212	3.44	7.52	210.0	13	9	3538	171.0	54.7

score = pd.read_excel('体侧成绩评分表.xls',header = [0,1])
score

男肺活量	男肺活量	女肺活量		男50米跑		女50米跑		男体前屈		女体前屈	...	女跳远		男引体		女仰卧		男1000		女800
成绩	分数	成绩	分数	成绩	分数	成绩	分数	成绩	分数	成绩	...	成绩	分数	成绩	分数	成绩	分数	成绩	分数	成绩	分数
4540	100	3150	100	7.1	100	7.8	100	23.6	100	24.2	...	204	100	16.0	100	53	100	3'30"	100	3'24"	100
4420	95	3100	95	7.2	95	7.9	95	21.5	95	22.5	...	198	95	15.0	95	51	95	3'35"	95	3'30"	95
4300	90	3050	90	7.3	90	8.0	90	19.4	90	20.8	...	192	90	14.0	90	49	90	3'40"	90	3'36"	90
4050	85	2900	85	7.4	85	8.3	85	17.2	85	19.1	...	185	85	13.0	85	46	85	3'47"	85	3'43"	85
3800	80	2750	80	7.5	80	8.6	80	15.0	80	17.4	...	178	80	12.0	80	43	80	3'55"	80	3'50"	80
3680	78	2650	78	7.7	78	8.8	78	13.6	78	16.1	...	175	78	NaN	78	41	78	4'00"	78	3'55"	78
3560	76	2550	76	7.9	76	9.0	76	12.2	76	14.8	...	172	76	11.0	76	39	76	4'05"	76	4'00"	76
3440	74	2450	74	8.1	74	9.2	74	10.8	74	13.5	...	169	74	NaN	74	37	74	4'10"	74	4'05"	74
3320	72	2350	72	8.3	72	9.4	72	9.4	72	12.2	...	166	72	10.0	72	35	72	4'15"	72	4'10"	72
3200	70	2250	70	8.5	70	9.6	70	8.0	70	10.9	...	163	70	NaN	70	33	70	4'20"	70	4'15"	70
3080	68	2150	68	8.7	68	9.8	68	6.6	68	9.6	...	160	68	9.0	68	31	68	4'25"	68	4'20"	68
2960	66	2050	66	8.9	66	10.0	66	5.2	66	8.3	...	157	66	NaN	66	29	66	4'30"	66	4'25"	66
2840	64	1950	64	9.1	64	10.2	64	3.8	64	7.0	...	154	64	8.0	64	27	64	4'35"	64	4'30"	64
2720	62	1850	62	9.3	62	10.4	62	2.4	62	5.7	...	151	62	NaN	62	25	62	4'40"	62	4'35"	62
2600	60	1750	60	9.5	60	10.6	60	1.0	60	4.4	...	148	60	7.0	60	23	60	4'45"	60	4'40"	60
2470	50	1710	50	9.7	50	10.8	50	0.0	50	3.6	...	143	50	6.0	50	21	50	5'05"	50	4'50"	50
2340	40	1670	40	9.9	40	11.0	40	-1.0	40	2.8	...	138	40	5.0	40	19	40	5'25"	40	5'00"	40
2210	30	1630	30	10.1	30	11.2	30	-2.0	30	2.0	...	133	30	4.0	30	17	30	5'45"	30	5'10"	30
2080	20	1590	20	10.3	20	11.4	20	-3.0	20	1.2	...	128	20	3.0	20	15	20	6'05"	20	5'20"	20
1950	10	1550	10	10.5	10	11.6	10	-4.0	10	0.4	...	123	10	2.0	10	13	10	6'25"	10	5'30"	10

20 rows × 23 columns

# 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

男肺活量	男肺活量	女肺活量		男50米跑		女50米跑		男体前屈		女体前屈	...	女跳远		男引体		女仰卧		男1000		女800
成绩	分数	成绩	分数	成绩	分数	成绩	分数	成绩	分数	成绩	...	成绩	分数	成绩	分数	成绩	分数	成绩	分数	成绩	分数
4540	100	3150	100	7.1	100	7.8	100	23.6	100	24.2	...	204	100	16.0	100	53	100	3.30	100	3.24	100
4420	95	3100	95	7.2	95	7.9	95	21.5	95	22.5	...	198	95	15.0	95	51	95	3.35	95	3.30	95
4300	90	3050	90	7.3	90	8.0	90	19.4	90	20.8	...	192	90	14.0	90	49	90	3.40	90	3.36	90
4050	85	2900	85	7.4	85	8.3	85	17.2	85	19.1	...	185	85	13.0	85	46	85	3.47	85	3.43	85
3800	80	2750	80	7.5	80	8.6	80	15.0	80	17.4	...	178	80	12.0	80	43	80	3.55	80	3.50	80
3680	78	2650	78	7.7	78	8.8	78	13.6	78	16.1	...	175	78	NaN	78	41	78	4.00	78	3.55	78
3560	76	2550	76	7.9	76	9.0	76	12.2	76	14.8	...	172	76	11.0	76	39	76	4.05	76	4.00	76
3440	74	2450	74	8.1	74	9.2	74	10.8	74	13.5	...	169	74	NaN	74	37	74	4.10	74	4.05	74
3320	72	2350	72	8.3	72	9.4	72	9.4	72	12.2	...	166	72	10.0	72	35	72	4.15	72	4.10	72
3200	70	2250	70	8.5	70	9.6	70	8.0	70	10.9	...	163	70	NaN	70	33	70	4.20	70	4.15	70
3080	68	2150	68	8.7	68	9.8	68	6.6	68	9.6	...	160	68	9.0	68	31	68	4.25	68	4.20	68
2960	66	2050	66	8.9	66	10.0	66	5.2	66	8.3	...	157	66	NaN	66	29	66	4.30	66	4.25	66
2840	64	1950	64	9.1	64	10.2	64	3.8	64	7.0	...	154	64	8.0	64	27	64	4.35	64	4.30	64
2720	62	1850	62	9.3	62	10.4	62	2.4	62	5.7	...	151	62	NaN	62	25	62	4.40	62	4.35	62
2600	60	1750	60	9.5	60	10.6	60	1.0	60	4.4	...	148	60	7.0	60	23	60	4.45	60	4.40	60
2470	50	1710	50	9.7	50	10.8	50	0.0	50	3.6	...	143	50	6.0	50	21	50	5.05	50	4.50	50
2340	40	1670	40	9.9	40	11.0	40	-1.0	40	2.8	...	138	40	5.0	40	19	40	5.25	40	5.00	40
2210	30	1630	30	10.1	30	11.2	30	-2.0	30	2.0	...	133	30	4.0	30	17	30	5.45	30	5.10	30
2080	20	1590	20	10.3	20	11.4	20	-3.0	20	1.2	...	128	20	3.0	20	15	20	6.05	20	5.20	20
1950	10	1550	10	10.5	10	11.6	10	-4.0	10	0.4	...	123	10	2.0	10	13	10	6.25	10	5.30	10

20 rows × 23 columns

data.columns

Index(['班级', '性别', '姓名', '1000米', '50米', '跳远', '体前屈', '引体', '肺活量', '身高', '体重'], dtype='object')

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']

data['男50米跑'] = data['男50米跑'].astype(np.float)

C:\Users\LXQ\Anaconda3\lib\site-packages\ipykernel_launcher.py:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  """Entry point for launching an IPython kernel.

score['男1000']

成绩	成绩	分数
4540	3.30	100
4420	3.35	95
4300	3.40	90
4050	3.47	85
3800	3.55	80
3680	4.00	78
3560	4.05	76
3440	4.10	74
3320	4.15	72
3200	4.20	70
3080	4.25	68
2960	4.30	66
2840	4.35	64
2720	4.40	62
2600	4.45	60
2470	5.05	50
2340	5.25	40
2210	5.45	30
2080	6.05	20
1950	6.25	10

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)

C:\Users\LXQ\Anaconda3\lib\site-packages\ipykernel_launcher.py:16: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  app.launch_new_instance()

data.head()

	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	男1000成绩	男50米跑成绩
0	1	男	高孜阳0611	4.13	8.88	195.0	12	1	2785	170.0	72.6	72	66
1	1	男	郝少杰1013	4.16	7.70	225.0	11	7	3133	174.0	52.7	70	78
2	1	男	郝梓烨0619	4.09	8.45	218.0	14	1	3901	169.0	46.5	74	70
3	1	男	何弘源1010	4.21	8.05	206.0	13	1	4946	183.0	79.7	68	74
4	1	男	刘硕鹏1212	3.44	7.52	210.0	13	9	3538	171.0	54.7	85	78

for col in ['跳远', '体前屈', '引体']:
    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)

C:\Users\LXQ\Anaconda3\lib\site-packages\ipykernel_launcher.py:10: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  # Remove the CWD from sys.path while we load stuff.

data.head()

	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	男1000成绩	男50米跑成绩	跳远成绩	体前屈成绩	引体成绩
0	1	男	高孜阳0611	4.13	8.88	195.0	12	1	2785	170.0	72.6	72	66	60	74	0
1	1	男	郝少杰1013	4.16	7.70	225.0	11	7	3133	174.0	52.7	70	78	74	74	60
2	1	男	郝梓烨0619	4.09	8.45	218.0	14	1	3901	169.0	46.5	74	70	70	78	0
3	1	男	何弘源1010	4.21	8.05	206.0	13	1	4946	183.0	79.7	68	74	64	76	0
4	1	男	刘硕鹏1212	3.44	7.52	210.0	13	9	3538	171.0	54.7	85	78	66	76	68

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','身高','体重']

# 根据索引的顺序去DataFrame中取值
data = data[cols]
data.head()

	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	身高	体重
0	1	男	高孜阳0611	4.13	72	8.88	66	195.0	60	12	74	1	0	2785	170.0	72.6
1	1	男	郝少杰1013	4.16	70	7.70	78	225.0	74	11	74	7	60	3133	174.0	52.7
2	1	男	郝梓烨0619	4.09	74	8.45	70	218.0	70	14	78	1	0	3901	169.0	46.5
3	1	男	何弘源1010	4.21	68	8.05	74	206.0	64	13	76	1	0	4946	183.0	79.7
4	1	男	刘硕鹏1212	3.44	85	7.52	78	210.0	66	13	76	9	68	3538	171.0	54.7

data

	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	身高	体重
0	1	男	高孜阳0611	4.13	72	8.88	66	195.0	60	12	74	1	0	2785	170.0	72.6
1	1	男	郝少杰1013	4.16	70	7.70	78	225.0	74	11	74	7	60	3133	174.0	52.7
2	1	男	郝梓烨0619	4.09	74	8.45	70	218.0	70	14	78	1	0	3901	169.0	46.5
3	1	男	何弘源1010	4.21	68	8.05	74	206.0	64	13	76	1	0	4946	183.0	79.7
4	1	男	刘硕鹏1212	3.44	85	7.52	78	210.0	66	13	76	9	68	3538	171.0	54.7
5	1	男	刘运硕0314	3.49	80	7.94	74	190.0	50	20	90	7	60	3970	175.0	66.4
6	1	男	吕晓瑶0314	3.54	80	7.75	76	186.0	40	11	74	7	60	3710	173.0	53.9
7	1	男	米孜聪0636	4.03	76	8.06	74	195.0	60	3	62	1	0	5578	178.0	83.1
8	1	男	聂浩然2719	4.01	76	7.75	76	220.0	72	15	80	10	72	3821	175.0	66.5
9	1	男	牛苗嘉1211	4.12	72	7.38	85	245.0	85	17	80	11	76	4423	167.0	53.9
10	1	男	牛砚哲2813	4.00	78	7.82	76	219.0	72	13	76	11	76	4031	173.0	57.4
11	1	男	齐子涵185x	4.13	72	7.37	85	228.0	76	9	70	15	95	4354	163.0	54.6
12	1	男	乔一甲0616	3.45	85	7.66	78	202.0	62	7	68	3	20	2238	179.0	61.1
13	1	男	任晓波0311	3.46	85	7.66	78	245.0	85	3	62	7	60	4811	177.0	63.9
14	1	男	戎小龙2633	0.00	0	0.00	0	0.0	0	0	50	0	0	0	0.0	0.0
15	1	男	桑淳熙0616	3.57	78	7.60	78	192.0	50	7	68	5	40	4147	174.0	59.2
16	1	男	田晓龙2411	4.18	70	8.14	72	210.0	66	8	70	4	30	4241	179.0	61.9
17	1	男	田玉聪2716	3.32	95	7.20	95	255.0	90	22	95	12	80	5324	183.0	63.4
18	1	男	王晨宇0613	3.56	78	8.15	72	207.0	64	13	76	12	80	4363	173.0	60.5
19	1	男	王家梁0630	3.47	85	8.15	72	202.0	62	13	76	16	100	5364	174.0	56.0
20	1	男	王乐天3331	3.53	80	7.85	76	210.0	66	3	62	7	60	3445	177.0	56.9
21	1	男	王一钊1213	3.57	78	7.85	76	220.0	72	9	70	2	10	5670	177.0	55.5
22	1	男	王子天0634	3.42	85	7.23	90	212.0	68	12	74	15	95	5709	185.0	72.3
23	1	男	王子鑫0012	4.03	76	7.68	78	218.0	70	15	80	3	20	4780	177.0	83.7
24	1	男	未晓锟1214	4.14	72	8.30	72	206.0	64	15	80	1	0	3358	173.0	46.6
25	1	男	张国瑞033x	4.04	76	8.15	72	205.0	64	9	70	5	40	3494	169.0	48.3
26	1	男	张皓天0632	4.04	76	7.55	78	190.0	50	12	74	5	40	3286	169.0	50.1
27	1	男	张泽地0310	4.02	76	7.55	78	240.0	80	5	64	12	80	4483	171.0	58.4
28	1	男	张智贤0318	3.57	78	7.89	76	220.0	72	9	70	11	76	4254	166.0	54.8
29	1	男	赵博翰101x	4.16	70	8.19	72	212.0	68	27	100	7	60	3498	169.0	68.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
463	17	男	王亚楠2636	4.15	72	8.36	70	217.0	70	20	90	2	10	5452	175.0	83.4
464	17	男	陈核涛2612	4.36	62	7.22	90	267.0	100	6	66	11	76	5555	179.0	62.2
465	17	男	曹佳尧213X	3.48	80	7.37	85	225.0	74	17	80	12	80	5519	176.0	62.2
466	17	男	贾存生7812	3.58	78	7.37	85	236.0	80	12	74	11	76	4246	169.0	60.1
467	17	男	杨辰阳0631	4.02	76	8.00	74	210.0	66	18	85	7	60	4034	167.0	56.8
468	17	男	张雨康181X	4.02	76	8.00	74	196.0	60	12	74	4	30	5738	172.0	66.5
469	17	男	刘帅怡0319	4.38	62	8.09	74	223.0	74	21	90	8	64	5168	169.0	78.0
470	17	男	张世荣0326	0.00	0	0.00	0	0.0	0	0	50	0	0	0	0.0	0.0
471	17	男	刘泽阳181X	4.02	76	8.37	70	208.0	66	21	90	8	64	5677	172.0	63.7
472	17	男	王鹏鑫0014	4.26	66	7.89	76	232.0	78	21	90	8	64	7052	180.0	82.9
473	17	男	贾耀杰1034	4.09	74	8.46	70	205.0	64	15	80	7	60	4208	171.0	61.0
474	17	男	刘艺通0619	3.49	80	7.66	78	232.0	78	11	74	10	72	5897	175.0	56.1
475	17	男	段佳硕2737	4.36	62	7.77	76	236.0	80	11	74	20	100	5158	176.0	55.2
476	17	男	刘鼎0315	4.37	62	8.27	72	208.0	66	17	80	1	0	6311	177.0	95.6
477	17	男	张浩2734	3.44	85	8.27	72	217.0	70	15	80	7	60	5075	170.0	57.6
478	17	男	庞慧谦0707	3.55	80	7.98	74	212.0	68	20	90	10	72	5564	168.0	54.5
479	17	男	李垚泽0615	3.41	85	7.57	78	225.0	74	9	70	5	40	5599	181.0	74.8
480	17	男	胡德皓3614	5.29	30	9.02	64	210.0	66	12	74	0	0	6712	183.0	95.9
481	17	男	张博0316	4.11	72	7.51	78	238.0	80	21	90	14	90	5590	179.0	67.7
482	17	男	张育森3011	4.56	50	7.42	80	252.0	90	9	70	13	85	5159	180.0	70.0
483	17	男	吴宜凯0015	3.54	80	7.96	74	229.0	76	14	78	9	68	5254	182.0	64.1
484	17	男	左一萌1015	0.00	0	0.00	0	0.0	0	0	50	0	0	0	0.0	0.0
485	17	男	王鹏飞0615	4.04	76	8.02	74	180.0	30	8	70	1	0	4592	187.0	64.6
486	17	男	张泽琼1815	3.54	80	7.51	78	238.0	80	13	76	11	76	5572	176.0	59.5
487	17	男	张晓波061X	4.58	50	8.76	66	200.0	62	12	74	9	68	4533	169.0	51.3
488	17	男	张乔楠0311	4.23	68	8.27	72	208.0	66	10	72	0	0	4647	176.0	69.5
489	17	男	郭泽森0333	5.19	40	9.55	50	210.0	66	15	80	6	50	7042	177.0	76.0
490	17	男	陈子龙061X	3.25	100	7.50	80	252.0	90	13	76	13	85	5755	181.0	65.0
491	17	男	王丹龙0636	4.39	62	7.81	76	208.0	66	14	78	11	76	5688	172.0	51.7
492	17	男	王玉涵0636	0.00	0	0.00	0	0.0	0	0	50	0	0	0	0.0	0.0

477 rows × 16 columns

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)

'''≤16.4
23.3~26.3'''
def convert_bmi(x):   #在取名时可以更加准确比如取为convert_bmi
    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)

	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	身高	体重	BMI	BMI_score
0	1	男	高孜阳0611	4.13	72	8.88	66	195.0	60	12	74	1	0	2785	1.70	72.6	25.1	80
1	1	男	郝少杰1013	4.16	70	7.70	78	225.0	74	11	74	7	60	3133	1.74	52.7	17.4	100
2	1	男	郝梓烨0619	4.09	74	8.45	70	218.0	70	14	78	1	0	3901	1.69	46.5	16.3	80
3	1	男	何弘源1010	4.21	68	8.05	74	206.0	64	13	76	1	0	4946	1.83	79.7	23.8	80
4	1	男	刘硕鹏1212	3.44	85	7.52	78	210.0	66	13	76	9	68	3538	1.71	54.7	18.7	100
5	1	男	刘运硕0314	3.49	80	7.94	74	190.0	50	20	90	7	60	3970	1.75	66.4	21.7	100
6	1	男	吕晓瑶0314	3.54	80	7.75	76	186.0	40	11	74	7	60	3710	1.73	53.9	18.0	100
7	1	男	米孜聪0636	4.03	76	8.06	74	195.0	60	3	62	1	0	5578	1.78	83.1	26.2	80
8	1	男	聂浩然2719	4.01	76	7.75	76	220.0	72	15	80	10	72	3821	1.75	66.5	21.7	100
9	1	男	牛苗嘉1211	4.12	72	7.38	85	245.0	85	17	80	11	76	4423	1.67	53.9	19.3	100
10	1	男	牛砚哲2813	4.00	78	7.82	76	219.0	72	13	76	11	76	4031	1.73	57.4	19.2	100
11	1	男	齐子涵185x	4.13	72	7.37	85	228.0	76	9	70	15	95	4354	1.63	54.6	20.6	100
12	1	男	乔一甲0616	3.45	85	7.66	78	202.0	62	7	68	3	20	2238	1.79	61.1	19.1	100
13	1	男	任晓波0311	3.46	85	7.66	78	245.0	85	3	62	7	60	4811	1.77	63.9	20.4	100
14	1	男	戎小龙2633	0.00	0	0.00	0	0.0	0	0	50	0	0	0	0.00	0.0	NaN	0
15	1	男	桑淳熙0616	3.57	78	7.60	78	192.0	50	7	68	5	40	4147	1.74	59.2	19.6	100
16	1	男	田晓龙2411	4.18	70	8.14	72	210.0	66	8	70	4	30	4241	1.79	61.9	19.3	100
17	1	男	田玉聪2716	3.32	95	7.20	95	255.0	90	22	95	12	80	5324	1.83	63.4	18.9	100
18	1	男	王晨宇0613	3.56	78	8.15	72	207.0	64	13	76	12	80	4363	1.73	60.5	20.2	100
19	1	男	王家梁0630	3.47	85	8.15	72	202.0	62	13	76	16	100	5364	1.74	56.0	18.5	100
20	1	男	王乐天3331	3.53	80	7.85	76	210.0	66	3	62	7	60	3445	1.77	56.9	18.2	100
21	1	男	王一钊1213	3.57	78	7.85	76	220.0	72	9	70	2	10	5670	1.77	55.5	17.7	100
22	1	男	王子天0634	3.42	85	7.23	90	212.0	68	12	74	15	95	5709	1.85	72.3	21.1	100
23	1	男	王子鑫0012	4.03	76	7.68	78	218.0	70	15	80	3	20	4780	1.77	83.7	26.7	60
24	1	男	未晓锟1214	4.14	72	8.30	72	206.0	64	15	80	1	0	3358	1.73	46.6	15.6	80
25	1	男	张国瑞033x	4.04	76	8.15	72	205.0	64	9	70	5	40	3494	1.69	48.3	16.9	100
26	1	男	张皓天0632	4.04	76	7.55	78	190.0	50	12	74	5	40	3286	1.69	50.1	17.5	100
27	1	男	张泽地0310	4.02	76	7.55	78	240.0	80	5	64	12	80	4483	1.71	58.4	20.0	100
28	1	男	张智贤0318	3.57	78	7.89	76	220.0	72	9	70	11	76	4254	1.66	54.8	19.9	100
29	1	男	赵博翰101x	4.16	70	8.19	72	212.0	68	27	100	7	60	3498	1.69	68.0	23.8	80
30	1	男	赵泽凯0311	4.01	76	7.89	76	213.0	68	5	64	11	76	4322	1.74	55.9	18.5	100
31	1	男	赵泽宇0616	4.08	74	8.21	72	208.0	66	19	85	20	100	3917	1.66	51.9	18.8	100
32	1	男	左晶川1217	4.06	74	8.71	66	206.0	64	11	74	4	30	3970	1.72	47.8	16.2	80
34	2	男	贾和0633	4.22	68	7.97	74	215.0	70	9	70	9	68	3865	1.75	58.7	19.2	100
35	2	男	李森0636	0.00	0	0.00	0	0.0	0	0	50	0	0	0	0.00	0.0	NaN	0
36	2	男	李一帆1812	4.46	50	8.79	66	172.0	10	7	68	1	0	4750	1.74	88.6	29.3	60
37	2	男	李子阳0618	4.01	76	7.37	85	210.0	66	2	60	7	60	4714	1.82	62.5	18.9	100
38	2	男	吕星繁0312	0.00	0	0.00	0	0.0	0	0	50	0	0	0	0.00	0.0	NaN	0
39	2	男	赵凌云105x	4.13	72	7.77	76	208.0	66	8	70	7	60	4327	1.73	56.0	18.7	100
40	2	男	赵鹏悦2612	4.27	66	8.80	66	185.0	40	10	72	5	40	4745	1.64	74.8	27.8	60
42	3	男	宫诚博0612	3.43	85	6.89	100	276.0	100	16	80	12	80	5212	1.84	73.1	21.6	100
43	3	男	郭亚浩181X	4.04	76	7.25	90	240.0	80	13	76	8	64	4756	1.76	72.0	23.2	100
44	3	男	郝晓辰0013	3.38	90	7.36	85	246.0	85	22	95	11	76	4433	1.84	62.5	18.5	100
45	3	男	李国玺2310	4.19	70	8.17	72	220.0	72	18	85	1	0	4438	1.74	72.2	23.8	80
46	3	男	李一帆1218	4.08	74	7.80	76	227.0	76	15	80	1	0	6033	1.77	85.6	27.3	60
47	3	男	刘凡1218	4.09	74	8.06	74	208.0	66	10	72	2	10	4106	1.70	68.7	23.8	80
48	3	男	刘哲垚1217	4.09	74	8.16	72	190.0	50	2	60	6	50	4214	1.67	60.7	21.8	100
49	3	男	米卓凡241X	4.05	76	8.16	72	200.0	62	13	76	9	68	3857	1.72	51.4	17.4	100
50	3	男	牛卓凡0614	4.02	76	8.27	72	228.0	76	14	78	12	80	3266	1.62	52.2	19.9	100
51	3	男	苏仕一1233	4.01	76	8.50	70	215.0	70	6	66	9	68	3578	1.64	49.9	18.6	100

# 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%%')

<matplotlib.axes._subplots.AxesSubplot at 0x1a2f4996b70>

(data['BMI_score'].value_counts()).plot(kind = 'bar')

请添加图片描述

<matplotlib.axes._subplots.AxesSubplot at 0x1a2f45e9080>

data.groupby(['男1000成绩'])['BMI_score'].count().plot(kind = 'bar')

请添加图片描述

<matplotlib.axes._subplots.AxesSubplot at 0x1a2f4906b70>

请添加图片描述

可可茜里的传说

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
sklearn代码18 python自动化处理数据

import numpy as npimport pandas as pdfrom pandas import Series,DataFrameimport matplotlib.pyplot as plt%matplotlib inlinedata = pd.read_excel('./18级高一体测成绩汇总.xls')data 班级性别姓名 1000米 50米跳远
复制链接

扫一扫