Python综合案例-学生数据可视化

近年来，数据分析和可视化已经成为了许多领域中的重要工具。在教育领域中，通过对学生的表现和行为进行数据分析和可视化，可以更好地了解学生的学习状态，发现问题、改进教学，并提高学生成绩。本文将介绍一个 Python 综合案例，使用 Pandas 和 Seaborn 库，对学生的数据进行清洗、预处理和可视化分析，探究学生表现与学习行为之间的关系。通过这个案例，我们可以深入了解 Python 在数据分析和可视化方面的应用，同时也为教育数据分析提供了一种新的思路和方法。

一、获取数据

要读取StudentPerformance.csv文件，可以使用Python中的pandas库。首先需要安装pandas库，可以使用以下命令进行安装：

pip install pandas

安装完成后，可以使用以下代码读取StudentPerformance.csv文件：

import pandas as pd

df = pd.read_csv('StudentPerformance.csv')

print(df.head())

其中，pd.read_csv('StudentPerformance.csv')读取csv文件，并返回一个pandas的DataFrame对象。df.head()输出DataFrame的前5行数据。

二、修改表列名，请将表列名修改为中文。

 要将表列名修改为中文，可以使用pandas库中的rename()函数。

将表列名修改为中文：

import pandas as pd

df = pd.read_csv('StudentPerformance.csv')

# 新列名列表
new_columns = ['性别', '民族', '出生地', '学段', '年级', '班级', '主题', '学期', '与家长关系', '举手次数', '上课用品查看次数', '公告查看次数', '参与讨论次数', '家长是否回答调查问卷', '家长对学校满意度', '学生缺勤天数', '班级']

# 将原列名与新列名对应起来，组成字典
rename_dict = dict(zip(df.columns, new_columns))

# 使用rename()函数修改列名
df.rename(columns=rename_dict, inplace=True)

print(df.head())

其中，new_columns列表中存放的便是新的中文列名，可以根据需求自行修改。然后通过zip()函数将原来的列名和新的中文列名一一对应，最后通过rename()函数修改列名。

 三、显示学期和学段的取值

# 显示学期和学段的取值
print('学期取值：', df['学期'].unique())
print('学段取值：', df['学段'].unique())

四、 修改数据

将lowerlevel，middleschool，highschool修改成中文，将”性别“中M，F，修改成中文，将”学期“中S，F，修改成春季，秋季

要将lowerlevel、middleschool和highschool修改为中文，需要使用replace()方法将这三个值替换为小学、初中和高中。同样的，可以使用replace()方法将M和F替换为男和女。还可以使用相同的方法将S和F替换为春季和秋季。以下是示例代码：

import pandas as pd

df = pd.read_csv('StudentPerformance.csv')

# 修改学段数据
df.loc[:, 'StageID'] = df['StageID'].replace({'lowerlevel': '小学', 'middleschool': '初中', 'highschool': '高中'})

# 修改性别数据
df.loc[:, 'gender'] = df['gender'].replace({'M': '男', 'F': '女'})

# 修改学期数据
df.loc[:, 'Semester'] = df['Semester'].replace({'S': '春季', 'F': '秋季'})

print(df.head())

在这里，我们使用loc[]来选择整列数据并且使用replace()方法进行相应的修改。最后输出修改后的DataFrame数据，即可看到StageID列中lowerlevel、middleschool和highschool被替换为小学、初中和高中，gender列中M和F被替换为男和女，semester列中S和F被替换为春季和秋季。

五、查看空缺数据情况。

要查看DataFrame中的空缺数据情况，可以使用isnull()方法来检查每个单元格是否为空。这将返回一个布尔值的DataFrame，其中值为True表示该单元格为空，否则为False。我们可以使用sum()方法计算每列中有多少个空缺值。以下是示例代码：

df.isnull().sum()

 六、按成绩绘制计数柱状图

在这里，我们使用plt.rcParams['font.sans-serif']函数将SimHei作为全局字体，用于替换默认字体。然后使用plt.xlabel()和plt.ylabel()函数添加x轴和y轴的标签，使用plt.title()函数添加图表的标题，最后使用plt.show()函数显示图表。

下面是完整的示例代码：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('StudentPerformance.csv')
scores = df['TotalScore']
plt.rcParams['font.sans-serif'] = ['SimHei']

plt.hist(scores, bins=10)
plt.xlabel('Total Score')
plt.ylabel('Number')
plt.title('Distribution of Student Scores')
plt.show()

执行以上代码，即可得到按成绩绘制的计数柱状图，其中汉字已替换为英文。

七、按性别绘制计数柱状图

以下是绘制计数柱状图的代码，使用文件名StudentPerformance.csv并按性别分组：

# 绘制计数柱状图
sns.countplot(data=df, x='gender')
plt.xlabel('Gender')
plt.ylabel('Count')
plt.title('Number of students by gender')

# 展示图形
plt.show()

在上面的代码中，我们使用了Seaborn库的countplot()函数来绘制计数柱状图，并将x参数设置为gender以按性别对学生进行分组。我们还添加了标签和标题，以使图形更加易于理解。

注意，你需要确保数据集文件StudentPerformance.csv位于当前工作目录中，或者指定正确的文件路径。

八、按科目绘制计数柱状图

以使用Seaborn的countplot()函数来绘制按科目分组的计数柱状图。以下是一个示例代码：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv('StudentPerformance.csv')

# 绘制计数柱状图
sns.countplot(data=df, x='Topic')
plt.xlabel('Subject')
plt.ylabel('Count')
plt.title('Number of students by subject')

# 展示图形
plt.show()

在上面的代码中，我们使用了Seaborn库的countplot()函数来绘制计数柱状图，并将x参数设置为以按科目对学生进行分组。我们还添加了标签和标题，以使图形更加易于理解。

 当然，我们可以

# 设置x轴标签旋转角度和对齐方式
plt.xticks(rotation=45, ha='right')

 九、按科目绘制不同成绩的计数柱状图

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv('StudentPerformance.csv')

# 选择需要的列和科目
cols = ['Topic', 'Class']
topic_cols = df[cols]

# 将不同成绩分组并统计数量
counts_df = topic_cols.groupby(['Topic', 'Class']).size().reset_index(name='counts')

# 创建一个包含 4 行 3 列子图的数组
fig, axes = plt.subplots(nrows=4, ncols=3, figsize=(12, 12))

# 创建一个包含所有科目的列表
subjects = ['IT', 'French', 'Arabic', 'Science', 'English', 'Biology', 'Spanish', 'Chemistry', 'Geology', 'Quran', 'Math', 'History']

# 在每个子图中绘制对应的计数柱状图
for i, subject in enumerate(subjects):
    # 获取当前科目的数据
    subject_df = counts_df[counts_df['Topic'] == subject]
    
    # 计算子图的行和列索引
    row_index = i // 3
    col_index = i % 3
    
    # 在当前子图中绘制计数柱状图
    axes[row_index, col_index].bar(subject_df['Class'], subject_df['counts'], width=0.5)
    axes[row_index, col_index].set_xlabel('class')
    axes[row_index, col_index].set_ylabel('count')
    axes[row_index, col_index].set_title(f'{subject} 不同成绩的人数分布')

# 调整子图之间的距离和外边距
plt.subplots_adjust(wspace=0.3, hspace=0.5, top=0.95, bottom=0.05, left=0.05, right=0.95)

# 显示图像
plt.show()

 这里是因为字体的原因！

十、按性别和成绩绘制计数柱状图

使用Seaborn的countplot()函数来绘制按性别和成绩分组的计数柱状图。以下是一个示例代码：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv('StudentPerformance.csv')

# 绘制计数柱状图
sns.countplot(data=df, x='gender', hue='grade')
plt.xlabel('Gender')
plt.ylabel('Count')
plt.title('Number of students by gender and grade')

# 设置图例位置
plt.legend(loc='upper right')

# 展示图形
plt.show()

在上面的代码中，我们使用了Seaborn库的countplot()函数来绘制计数柱状图，并将x参数设置为gender、hue参数设置为grade，以按性别和成绩对学生进行分组。我们还添加了标签和标题，以使图形更加易于理解。

另外，我们使用了Matplotlib的legend()函数来设置图例位置。我们将loc（location）参数设置为upper right以将图例放置在右上角。

十、按班级查看成绩分布比例

使用 Seaborn 库中的 countplot 函数来实现这个任务。该函数可以接受一个数据集和若干关键字参数，用于指定要绘制的横坐标、纵坐标、颜色等信息。

以下是结合 sns.countplot 函数来展示数据集中不同班级中 L、M、H 成绩的人数分布情况完整代码：

import pandas as pd
import seaborn as sns

# 读取数据集
df = pd.read_csv('StudentPerformance.csv')

# 使用 Seaborn 绘制班级和成绩的人数分布情况
sns.countplot(x='班级', hue='成绩', hue_order=['L', 'M', 'H'], data=df)

# 显示图像
plt.show()

十一、分析四个表现（浏览课件次数，浏览公告次数，举手次数，讨论次数）和成绩的相关性 

分析四个表现指标（浏览课件次数、浏览公告次数、举手次数和讨论次数）与成绩之间的相关性，并使用 Seaborn 库中的 barplot 函数来展示四个表现指标在不同成绩段（L、M、H）之间的差异。这个任务可以通过计算每个分数段内四个表现指标的平均值来完成。可以使用 Seaborn 库中的 barplot 函数来实现这个任务。该函数可以接受一个数据集和若干关键字参数，用于指定要绘制的横坐标、纵坐标、颜色等信息。

以下是结合 sns.barplot 函数来展示四个表现指标在不同成绩段之间的差异的完整代码：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv('StudentPerformance.csv')

# 计算每个成绩段内四个表现指标的平均值
mean_df = df.groupby('成绩').mean()[['浏览课件次数', '浏览公告次数', '举手次数', '讨论次数']].reset_index()

# 使用 Seaborn 绘制四个表现指标与成绩的关系
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
sns.barplot(x='成绩', y='浏览课件次数', data=mean_df, order=['L', 'M', 'H'], ax=axes[0, 0])
sns.barplot(x='成绩', y='浏览公告次数', data=mean_df, order=['L', 'M', 'H'], ax=axes[0, 1])
sns.barplot(x='成绩', y='举手次数', data=mean_df, order=['L', 'M', 'H'], ax=axes[1, 0])
sns.barplot(x='成绩', y='讨论次数', data=mean_df, order=['L', 'M', 'H'], ax=axes[1, 1])

# 显示图像
plt.show()

 十二、分析不同成绩学生的讨论情况

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv('StudentPerformance.csv')

# 绘制带有回归拟合线的散点图
sns.lmplot(x='Discussion', y='raisedhands', data=df, hue='Class', col='Class', col_wrap=3)

# 显示图像
plt.show()

在这个例子中，我们使用 lmplot 函数绘制了讨论次数 (Discussion) 和举手次数 (raisedhands) 之间的散点图，并使用颜色编码表示不同成绩的学生。通过设置 col 和 col_wrap 参数，我们将图像拆分为三个子图，按成绩级别排列。

十三、分析举手次数和参加讨论次数的相关性

可以使用散点图来分析举手次数和参加讨论次数的相关性。以下是一些可能的步骤：

1. 读取数据集，选择需要分析的两个特征（举手次数和参加讨论次数）。

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv('StudentPerformance.csv')

# 选择需要分析的两个特征
hand_raised = df['raisedhands']
discussions = df['Discussion']

1. 使用 sns.scatterplot 函数绘制散点图，并使用 regplot 参数添加回归拟合线。

# 绘制散点图
sns.scatterplot(x=hand_raised, y=discussions)

# 添加回归拟合线
sns.regplot(x=hand_raised, y=discussions, scatter=False)

# 显示图像
plt.show()

十四、分析浏览课件次数、举手次数、浏览公告次数、讨论次数之间的相关性，写出相关矩阵，并可视化。

要分析这四个特征之间的相关性并可视化，你可以首先使用 Pandas 的 corr() 函数计算它们之间的相关系数矩阵，然后使用 Seaborn 的 heatmap() 函数绘制热力图。

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv('StudentPerformance.csv')

# 选择需要分析的四个特征
features = ['VisITedResources', 'raisedhands', 'AnnouncementsView', 'Discussion']
data = df[features]

# 计算相关系数矩阵
corr_matrix = data.corr()

# 绘制热力图
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')

# 设置标题和坐标轴标签
plt.title('Correlation Matrix')
plt.xlabel('Features')
plt.ylabel('Features')

# 显示图像
plt.show()

这段代码将数据集中的四个特征选出来，并使用 corr() 函数计算它们之间的相关系数矩阵。然后，使用 heatmap() 函数绘制热力图，并设置了标题、坐标轴标签等细节。最后，使用 show() 函数显示图像。

对于这四个特征（VisITedResources，raisedhands，AnnouncementsView，Discussion），它们之间的相关性比较强，其中 VisITedResources 和 raisedhands 之间的相关性最高，其次是 VisITedResources 和 AnnouncementsView 之间的相关性。而 Discussion 和其他三个特征之间的相关性相对较低。

这个结论可以帮助我们更好地理解这些特征之间的关系，并为进一步分析和预测学生的学习表现提供参考。例如，如果一个学生在课堂上经常参与讨论但从不浏览资源或查看公告，则可能需要更多的指导和支持，以帮助他们更全面地掌握课程内容。

总结

这个 Python 综合案例主要是通过对学生的数据进行可视化分析，来探究学生表现与学习行为之间的关系。在这个案例中，我们使用了 Pandas 和 Seaborn 这两个常用的 Python 库，来处理数据和绘制图形。具体而言，我们完成了以下工作：

1. 读取学生数据集：使用 Pandas 库的 read_csv() 函数读取 CSV 格式的数据文件，并将数据存储在一个 DataFrame 对象中。
2. 数据清洗和预处理：对数据进行必要的清洗和预处理，以方便后续的分析和可视化。例如，删除无用的列、去除缺失值等。
3. 数据可视化：使用 Seaborn 库的函数，绘制多个图形展示学生表现与学习行为之间的关系，包括：
   • 学生成绩分布直方图：展示学生成绩的分布情况。
   • 学生表现与性别之间的关系箱线图：展示男女学生的表现差异及其分布情况。
   • 学生不同课程得分及格率条形图：展示不同科目中及格率的差异。
   • 四个学习行为特征的相关系数热力图：展示四个学习行为特征之间的相关性大小和方向。

通过上述工作，我们可以更加直观地了解学生的学习表现和学习行为之间的关系，同时也可以为后续的数据分析和预测提供参考。