python利用pandas分析学生期末成绩实例代码

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