利用Python分析学生成绩（完整版）

程序员文章站 2024-02-27 20:32:09

...

注意：本实验是基于Anconda3.X所进行的

一、题目描述
二、题目分析
三、完整代码展示
四、结果展示

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、题目分析

第一步：我们需要自己建立一个.csv文件或者从Spyder中进行输入，我采用的是自己建立一个student_score.csv文件并且手动输入所有内容。
链接：student_score.csv下载链接
提取码：unms

第二步：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，此处我把student_score.csv文件存放在E盘目录下。

df=pd.read_csv('E:\\student_score.csv',encoding='GBK')

第三步：设置字体格式，下面需要用到matplotlib库，需要设置字体格式，否则图形可视化的时候中文标题无法显示，设置方法如下：

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

第四步：从df中提取需要的数据。

Python_max=df.Python.max() #python最大值
math_max=df.高数.max()  #高数最大值
english_max=df.英语.max()  #英语最大值

Python_min=df.Python.min() #python最小值
math_min=df.高数.min() #高数最小值
english_min=df.英语.min() #英语最小值

name=df.学号
students_scores=df.高数+df.Python+df.英语 #学生总成绩

Python_avg=df.Python.mean()#python平均分
math_avg=df.高数.mean() #高数平均分
english_avg=df.英语.mean() #英语平均分

第五步：在代码开头导入相关的包。

import matplotlib.pyplot as plt
import pandas as pd

第六步：对数据可视化。

plt.title('学生总成绩分布图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.bar(name,students_scores)
plt.figure()
plt.show()

plt.title('每门课程平均分展示图')
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.figure()
plt.show()

plt.title('每门课程最高分展示图')
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.figure()
plt.show()

plt.title('每门课程最低分展示图')
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.figure() #可以删除
plt.show()

三、完整代码展示

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
df=pd.read_csv('E:\\student_score.csv',encoding='GBK') #读取student_score.csv文件为DataFrame字符流
Python_max=df.Python.max() #python最大值
math_max=df.高数.max()  #高数最大值
english_max=df.英语.max()  #英语最大值

Python_min=df.Python.min() #python最小值
math_min=df.高数.min() #高数最小值
english_min=df.英语.min() #英语最小值

name=df.学号
students_scores=df.高数+df.Python+df.英语 #学生总成绩

Python_avg=df.Python.mean()#python平均分
math_avg=df.高数.mean() #高数平均分
english_avg=df.英语.mean() #英语平均分

plt.title('学生总成绩分布图')
plt.xlabel('学号')
plt.ylabel('总分')
plt.bar(name,students_scores)
plt.figure()
plt.show()


plt.title('每门课程平均分展示图')
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.figure()
plt.show()

plt.title('每门课程最高分展示图')
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.figure()
plt.show()

plt.title('每门课程最低分展示图')
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.figure() #可以删除
plt.show()