kaggle案例-学生在考试数据集

kaggle案例-学生在考试数据集

数据集CSDN下载链接：https://download.csdn.net/download/zhangvalue/12273323

数据集包括8个变量

• gender 性别
• race/ethnicity 种族
• parental level of education 父母教育水平
• lunch 午餐
• test preparation course 
• math score 数学
• reading score 阅读
• writting score 写作

第一步：简单查看数据

# *===================================*
# -*- coding: utf-8 -*-
# * Time : 2019-12-06 18:31
# * Author : zhangsf
# *===================================*
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

sp = pd.read_csv("../data/StudentsPerformance.csv")  # 读入数据
print(len(sp))
print(sp.head())  # 查看数据前5行
print(sp.isnull().sum())  # 查看数据是否包括缺失值
print(sp.gender.value_counts())  # value_counts()函数显示唯一值及其出现次数
sp['Percentage'] = sp['math score'] + sp['reading score'] + sp['writing score']
sp['Percentage'] = sp['Percentage'] / 3  # 数据框增加一列平均成绩
print(sp.sample(10))  # 随机选取10行查看
sorted_df = sp.sort_values(by='Percentage', ascending=False)  # 排序

原文还增加了一列Result，意为三门课程成绩任意一门低于35分即为‘挂科’，否则为通过；自己暂时还不知道该如何实现增加这一列。原文也提到了尝试时他也遇到了错误。如果以一个指标作为依据实现起来就比较简单；比如是平均成绩小于35即为挂科的话，可以用如下语句实现

import numpy as np
np.where(sp['Percentage'] < 35, 'F' , "P" )

第二步：简单的数据可视化

• 父母的教育水平是否会影响孩子的成绩

• 这类数据通过箱线图展示可能会更为直观

• 取得不同成绩的学生人数

• 簇状柱形图展示不同父母教育水平取得不同成绩的人数

• 不同的午餐学生成绩

# 父母的教育水平是否会影响孩子的成绩
plt.figure(figsize=(20, 10))
sns.set(style='whitegrid', palette='coolwarm', font_scale=1.2)
sns.barplot(data=sp, x='parental level of education', y='Percentage')
plt.ylim([0, 100])
plt.savefig('1.png')
# 通过箱线图展示可能会更为直观
plt.figure(figsize=(20, 10))
sns.boxplot(data=sp, x='parental level of education', y='Percentage')
plt.ylim([0, 100])
plt.savefig('2.png')
# 取得不同成绩的学生人数
plt.figure(figsize=(20, 10))
sns.countplot(data=sp, x='Grade', order=['A', 'B', 'C', 'D', 'E', 'F'])
plt.savefig('3.png')
# 簇状柱形图展示不同父母教育水平取得不同成绩的人数
plt.figure(figsize=(20, 10))
sns.countplot(data=sp, x='parental level of education', hue='Grade')
plt.savefig('4.png')
# 不同的午餐学生成绩
plt.figure(figsize=(20, 10))
sns.countplot(data=sp, x='lunch', hue='Grade')
plt.savefig('5.png')