Python数据分析实战

Python数据分析实战

数据及要求

文件可以在博主得资源上下载，如果是源文件有个缺考得话，把他人为改成0或者使用python代码写也可以


现请帮班主任做如下工作：

1. 给成绩表加上姓名列；

2. 给成绩表加上字段“总分”列，并求出总分；

3. 增加列字段“等级”，标注每人“总分”的“优、良、中、及格、差”(270≤优，240≤良， 210≤中，及格≤180，差≤180)；

4. 计算各门课程的平均成绩以及标准差；

5. 做"总分"成绩分布图，纵坐标表示成绩，横坐标表示学号或者姓名，画出总分的均分横线，让每位同学的总分圆点分布在均分线上下，以便于观察每位同学的成绩离开均分的距离。

一、导入数据

import pandas as pd
sheet1 = pd.read_excel("E:\python_data.xlsx",sheet_name="成绩表")
sheet2 = pd.read_excel("E:\python_data.xlsx",sheet_name="信息表")
sheet1

二、将sheet2的姓名添加至sheet1中

注意你们的文件上的列名是“手机号码”还是“手机号”，博主使用的是“手机号”为列名

sheet1 = pd.merge(sheet1,sheet2,left_on='学号',right_on='学号')      #连接两个表
sheet1 = sheet1.drop(columns = ['手机号']) 
sheet1

或者在第一步读取文件的时候改成sheet2 = pd.read_excel("E:\python_data.xlsx",sheet_name="信息表",usecols=[0,1])，这样就可以不用drop手机号了

三、计算总分
如果源文件是有缺考得话还需要加多一句代码，替换下sheet1.loc[sheet1['线代']=='缺考','线代']=0

sheet1["总分"] = sheet1["C#"]+sheet1["线 代"]+sheet1["Python"]
sheet1

四、为总分定等级

• 方法一

def return_ans(x):
    
    if x>=270:
        b='优'
    elif x>=240 and x<270:
        b='良'
    elif x>=210 and x<240:
        b='中'
    elif x>=180 and x<210:
        b='及格'
    else:
        b='差'
    return b
sheet1['等级'] = sheet1['总分'].apply(lambda x:return_ans(x))
sheet1

• 方法二

此处得bins最后不可以写max(sheet1.总分)+1,因为这份数据没有一个总分超过270得，所以会报错

bins=[min(sheet1.总分)-1,180,210,240,270,999]
labels=["差","及格","中","良","优"]
sheet1['等级']=pd.cut(sheet1.总分,bins,right=False,labels=labels)
sheet1

五、计算各科成绩的均值和标准差

print("C#的平均成绩为",sheet1['C#'].values.mean())
print("C#的标准差为",sheet1['C#'].values.std())
print("线 代的平均成绩为",sheet1['线 代'].values.mean())
print("线 代的标准差为",sheet1['线 代'].values.std())
print("Python的平均成绩为",sheet1['Python'].values.mean())
print("Python的标准差为",sheet1['Python'].values.std())

六、对数据进行可视化，并用红线代表平均分数线

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Simhei']
s = sheet1['总分'].values.mean()
plt.bar(range(len(sheet1['总分'])),sheet1['总分'],width=0.8)
plt.xticks(range(len(sheet1['总分'])),sheet1['姓名'])
plt.axhline(s, color='red', linestyle='--')
plt.show()

赞~