python统计学生成绩 python统计学生成绩作业

转载

mob64ca140f9cec 2023-10-31 23:36:58

文章标签 python统计学生成绩 python 数据可视化 csv Python 文章分类 Python 后端开发

利用Python分析学生成绩

一、题目描述
二、解题步骤

运行环境
题目分析

三、完整代码
四、运行结果
五、参考文献
附录

附录A

更新记录

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
练习二：自定义数据，完成直方图，折线图，散点图，饼图等

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

python统计学生成绩 python统计学生成绩作业_数据可视化

python统计学生成绩 python统计学生成绩作业_Python_02

python统计学生成绩 python统计学生成绩作业_数据可视化_03

python统计学生成绩 python统计学生成绩作业_Python_04

通过创建子图的方式显示：

python统计学生成绩 python统计学生成绩作业_python_05

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。

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

python统计学生成绩 python统计学生成绩作业_Python_06

python统计学生成绩 python统计学生成绩作业_数据可视化_07

python统计学生成绩 python统计学生成绩作业_python统计学生成绩_08

python统计学生成绩 python统计学生成绩作业_数据可视化_09

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。

上一篇：团购java 团购怎么做

下一篇：直播后端架构后端组在哪直播

提问和评论都可以，用心的回复会被更多人看到评论

发布评论

相关文章

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯