python利用pandas分析学生期末成绩实例代码
作者:只为你220 时间:2023-12-13 19:29:08
安装Pandas
Pandas是构建在Python编程语言之上的一个快速、强大、灵活且易于使用的开源数据分析和操作工具。Pandas是基于Numpy的专业数据分析工具,可以灵活高效的处理各种数据集。
我们使用pip进行安装(如果没有可自行查询如何安装pip)安装panda最简单的方法是将其作为Anaconda的一部分安装,Anaconda主要用于数据分析和科学计算。还提供源代码、PyPI、ActivePython、各种Linux发行版或开发版本进行安装的说明。
当然,最为基础的Python环境还是少不了的,如果你是Linux或使用的Mac就不用安装Python了。
pip install pandas
分析过程
1.从excel文件中读出本班同学的成绩册,并处理好缺失值。
2.根据‘加分'和‘减分'两列统计出平时成绩。
3.将实验报告成绩从ABCD转换为百分制,统计出实验成绩。A为90分,B为75分,C为60分,D为40分。
4.随机生成假设的期末成绩,取值区间为40-100分。将自己的期末成绩改成你觉得可能考到的分数。
5.按照平时成绩20%,实验成绩30%,期末成绩50%的比例计算综合成绩。
6.输出你自己的平时成绩,实验成绩,期末成绩和综合成绩。
7.统计全班综合成绩[90,100],[80,89],[70,79],[60-69],[0,59]各段成绩的人数,并画饼图。
8.将完整的成绩保存到score.xlsx文件中,打开excel检查输出是否正确。
完整实例
准备工作:导入需要用到的模块
import pandas as pd
import numpy as np
import random
from matplotlib import pyplot as plt
(1)从excel文件中读出本班同学的成绩册,并处理好缺失值。
df=pd.read_csv("4班平时成绩.csv",encoding="gbk")
df=df.rename(columns={"ID":"学号"})#将列名ID重命名
df.set_index("姓名",inplace=True)#将姓名作为index
df=df.fillna(method="backfill")#处理缺失值
(2)根据‘加分'和‘减分'两列统计出平时成绩。
df["平时成绩"]=df["平时成绩"]-df["减分"]
df=df.drop("减分",axis=1)#删除列
(3)将实验报告成绩从ABCD转换为百分制,统计出实验成绩。A为90分,B为75分,C为60分,D为40分。
def m(x):#2 将ABCD转化为对应的分数
if x=="A":
return 90
if x=="B":
return 75
if x=="C":
return 60
if x=="D":
return 40
df["第一次实验报告"]=df.第一次实验报告.map(m)
df["第二次实验报告"]=df.第二次实验报告.map(m)
df["第三次实验报告"]=df.第三次实验报告.map(m)
(4)随机生成假设的期末成绩,取值区间为40-100分。将自己的期末成绩改成你觉得可能考到的分数。
def cj(x):
return random.randint(40,100)
df["期末成绩"]=""
df["期末成绩"]=df.期末成绩.map(cj)
df
(5)按照平时成绩20%,实验成绩30%,期末成绩50%的比例计算综合成绩。
df["综合成绩"]=df["期末成绩"]*0.5+df["平时成绩"]*0.2+df["第一次实验报告"]*0.1+\
df["第二次实验报告"]*0.1+df["第三次实验报告"]*0.1
df
(6)输出你自己的平时成绩,实验成绩,期末成绩和综合成绩。
df[df.姓名=='只为你220']
(7)统计全班综合成绩[90,100],[80,89],[70,79],[60-69],[0,59]各段成绩的人数,并画饼图。
y=pd.cut(df['综合成绩'],bins=[0,60,70,80,90,100],\
labels=['0-59','60-69','70-79','80-89','90-100'])#分区间
a=y.value_counts()#统计区间人数
print(a)
plt.rcParams['font.sans-serif']=['SimHei']
a.plot(kind='pie',title='学生成绩区间统计图')
(8)将完整的成绩保存到score.xlsx文件中,打开excel检查输出是否正确。
将结果保存为.xlsx文件
df.to_excel(excel_writer="score.xlsx",index=False,encoding='utf-8')
将刚刚保存的.xlsx文件打开,查看结果是否正确
pd.read_excel("score.xlsx")
总结
来源:https://blog.csdn.net/weixin_48906504/article/details/117931329
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
一百行python代码将图片转成字符画
![](https://img.aspxhome.com/file/2023/1/99701_0s.png)
python实点云分割k-means(sklearn)详解
![](https://img.aspxhome.com/file/2023/0/96920_0s.jpg)
主流浏览器性能比较
![](https://img.aspxhome.com/file/UploadPic/200910/19/15-02_performance_comparison_of_web_browsers_preview-60s.jpg)
Request的中断和ErrorHandler实例解析
MySQL中如何正确存储IP地址
c#编写的高并发数据库控制访问代码
用户是如何浏览你的网站的
![](https://img.aspxhome.com/file/UploadPic/20105/3/eyetrack-74s.jpg)
pytorch索引查找 index_select的例子
网页栅格系统研究:960的秘密
![](https://img.aspxhome.com/file/UploadPic/200810/24/2008102417649857s.jpg)
Pandas中DataFrame常用操作指南
对Django中内置的User模型实例详解
python 自动化办公之批量修改文件名实操
![](https://img.aspxhome.com/file/2023/5/69595_0s.png)
php 生成短网址原理及代码
关于Pytorch的MLP模块实现方式
![](https://img.aspxhome.com/file/2023/2/109912_0s.jpg)
GO的基础知识扫盲注意事项
Python利用prettytable实现格式化输出内容
![](https://img.aspxhome.com/file/2023/5/114505_0s.png)
Python爬虫框架Scrapy基本用法入门教程
![](https://img.aspxhome.com/file/2023/4/111894_0s.png)
python 爬取吉首大学网站成绩单
![](https://img.aspxhome.com/file/2023/6/61216_0s.png)