用python预测高考成绩

感谢 ButtersPC提供的数据集。 本文旨在学习数据分析的基本过程，文中敏感数据均已隐藏。本文通过一些基本描述统计，如考生人数、科目分数及平均分、考试排名，文科理科等因素，尽可能地探求数据集中包含的有价值的信息，来预测高考成绩。

导读： >1、数据集选用“某年上海某区高考二模成绩”
2、上海过去几年的高考制度采用“3+1+1”的模式，语数英 + 加一学科 + 综合，加一学科指在物理、化学、生物、地理、政治、历史中选其一。 （这条信息很重要，有助于帮我们理解数据）
使用工具 >pandas、numpy
>matplotlib 数据可视化 >Jupyter Notebook 数据分析利器 # 一、导入数据

# 导包
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
# plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号

import pandas as pd
import numpy as np

# 导入数据
filename = './**.xls'

# df_w 文科生原始数据
# df_l 理科生原始数据
df_w = pd.read_excel(filename, sheet_name=0)
df_l = pd.read_excel(filename, sheet_name=1)

# 查看文科生数据
print(df_w.columns)
df_w.head(3)

Index([‘学科’, ‘学校’, ‘准考证号’, ‘姓名’, ‘语文’, ‘数学’, ‘英语’, ‘五门调整总分’, ‘总分排名’], dtype=’object’)

	学科	学校	准考证号	姓名	语文	数学	英语	五门调整总分	总分排名
0	政治	吴淞中学	110203110**	周**	102.0	110.0	127.5	459.1	8
1	政治	吴淞中学	110203110**	杨**	102.0	101.0	114.5	452.7	15
2	政治	吴淞中学	110203110**	赵**	95.0	108.0	128.5	448.3	19

# 查看理科生数据
print(df_l.columns)
df_l.head(3)

Index([‘学科’, ‘学校’, ‘准考证号’, ‘姓名’, ‘语文’, ‘数学’, ‘英语’, ‘加一调整分’, ‘五门总分’, ‘总分排名’], dtype=’object’)

	学科	学校	准考证号	姓名	语文	数学	英语	加一调整分	五门总分	总分排名
0	物理	行知中学	110101410**	秦**	109.0	127.0	123.5	117	494.9	38
1	物理	行知中学	110101410**	王**	98.5	103.5	128.5	111	461.3	189
2	物理	行知中学	110101410**	金**	102.0	135.0	123.0	127	507.0	21

# 查看数据格式
# 是否需要转换
df_l.dtypes

学科 object 学校 object 准考证号 int64 姓名 object 语文 float64 数学 float64 英语 float64 加一调整分 int64 五门总分 float64 总分排名 int64 dtype: object

df_w.dtypes

学科 object 学校 object 准考证号 int64 姓名 object 语文 float64 数学 float64 英语 float64 五门调整总分 float64 总分排名 int64 dtype: object 从上面发现数据质量很高，非常工整。但也存在几个小问题。 >1、文科生没有“加一调整分”列
2、文科生“五门调整总分”同 文科生“五门总分”列名不相同。 # 二、数据处理

# 修改文科生列名
df_w = df_w.rename(columns = {
  '五门调整总分':'五门总分'})
df_w.head()

	学科	学校	准考证号	姓名	语文	数学	英语	五门总分	总分排名
0	政治	吴淞中学	110203110**	周**	102.0	110.0	127.5	459.1	8
1