- - 该文章为本人原创！主要是用来记录学习的过程和分享给需要的博友。若有出错或者更好解决方法欢迎评论和私信交流学习！！！
’

Numpy数据分析模块实训

- 根据“某门课程平时成绩和期末考试成绩.csv”内容，计算课程的平时成绩和期末考试成绩的均值、标准差、方差、最小值、最大值，输出期末考试比平时成绩高的学生名单，并输出期末考试排名前10名的学生（如果期末成绩相同，则平时成绩高的排在前面）。

导入响应的工具包

import pandas as pd
import numpy as np

读取数据源文件

df = pd.read_csv("data/某门课程平时成绩和期末考试成绩.csv")
# print('打印读取到的成绩：\n',df.head())

这里打印出的结果

创建df_list，df_ps，df_qm对象并分别存储成绩数据

df_list——用来存储字典形式的成绩数据
df_ps——用来存储全部学生的平时成绩
df_qm——用来存储全部学生的期末成绩

df_list = []
df_ps = []
df_qm = []
for i in range(len(df)):df_list.append({'姓名':df['姓名'][i],'平时成绩':df['平时成绩'][i],'期末成绩':df['期末成绩'][i]})df_ps.append(df_list[i]['平时成绩'])df_qm.append(df_list[i]['期末成绩'])
print('df_list',df_list)
print('df_ps',df_ps)
print('df_qm',df_qm)

输出结果：

df_list [{'姓名': 'stud_001', '平时成绩': 61.2, '期末成绩': 52.0}, {'姓名': 'stud_004', '平时成绩': 84.0, '期末成绩': 66.5}, {'姓名': 'stud_007', '平时成绩': 91.0, '期末成绩': 76.5}, {'姓名': 'stud_010', '平时成绩': 83.0, '期末成绩': 64.0}, {'姓名': 'stud_013', '平时成绩': 82.2, '期末成绩': 74.5}, {'姓名': 'stud_014', '平时成绩': 90.2, '期末成绩': 77.0}, {'姓名': 'stud_017', '平时成绩': 83.0, '期末成绩': 84.5}, {'姓名': 'stud_018', '平时成绩': 80.0, '期末成绩': 71.0}, {'姓名': 'stud_021', '平时成绩': 79.0, '期末成绩': 68.5}, {'姓名': 'stud_029', '平时成绩': 67.8, '期末成绩': 54.0}, {'姓名': 'stud_031', '平时成绩': 85.0, '期末成绩': 64.5}, {'姓名': 'stud_033', '平时成绩': 93.0, '期末成绩': 90.5}, {'姓名': 'stud_039', '平时成绩': 91.6, '期末成绩': 62.5}, {'姓名': 'stud_040', '平时成绩': 82.0, '期末成绩': 81.5}, {'姓名': 'stud_041', '平时成绩': 88.0, '期末成绩': 87.5}, {'姓名': 'stud_042', '平时成绩': 81.0, '期末成绩': 78.0}, {'姓名': 'stud_044', '平时成绩': 74.0, '期末成绩': 78.0}, {'姓名': 'stud_045', '平时成绩': 75.0, '期末成绩': 68.0}, {'姓名': 'stud_046', '平时成绩': 78.2, '期末成绩': 74.0}, {'姓名': 'stud_051', '平时成绩': 79.0, '期末成绩': 76.0}, {'姓名': 'stud_052', '平时成绩': 88.4, '期末成绩': 75.5}, {'姓名': 'stud_053', '平时成绩': 78.0, '期末成绩': 53.0}, {'姓名': 'stud_055', '平时成绩': 90.0, '期末成绩': 80.5}, {'姓名': 'stud_056', '平时成绩': 58.2, '期末成绩': 54.0}, {'姓名': 'stud_060', '平时成绩': 85.4, '期末成绩': 66.0}, {'姓名': 'stud_061', '平时成绩': 85.4, '期末成绩': 74.0}, {'姓名': 'stud_062', '平时成绩': 91.0, '期末成绩': 92.0}, {'姓名': 'stud_063', '平时成绩': 79.2, '期末成绩': 73.5}, {'姓名': 'stud_064', '平时成绩': 84.0, '期末成绩': 70.5}, {'姓名': 'stud_065', '平时成绩': 61.8, '期末成绩': 50.5}, {'姓名': 'stud_067', '平时成绩': 96.0, '期末成绩': 83.6}, {'姓名': 'stud_072', '平时成绩': 80.2, '期末成绩': 76.5}, {'姓名': 'stud_078', '平时成绩': 72.0, '期末成绩': 53.0}, {'姓名': 'stud_085', '平时成绩': 75.0, '期末成绩': 60.0}, {'姓名': 'stud_087', '平时成绩': 86.0, '期末成绩': 58.0}, {'姓名': 'stud_090', '平时成绩': 88.0, '期末成绩': 78.0}, {'姓名': 'stud_091', '平时成绩': 79.2, '期末成绩': 45.5}, {'姓名': 'stud_095', '平时成绩': 89.0, '期末成绩': 90.0}, {'姓名': 'stud_098', '平时成绩': 83.2, '期末成绩': 80.5}, {'姓名': 'stud_104', '平时成绩': 78.0, '期末成绩': 82.0}, {'姓名': 'stud_105', '平时成绩': 76.0, '期末成绩': 79.0}, {'姓名': 'stud_109', '平时成绩': 91.8, '期末成绩': 88.5}, {'姓名': 'stud_115', '平时成绩': 88.0, '期末成绩': 88.0}, {'姓名': 'stud_117', '平时成绩': 85.4, '期末成绩': 64.0}, {'姓名': 'stud_118', '平时成绩': 83.0, '期末成绩': 72.0}, {'姓名': 'stud_125', '平时成绩': 80.6, '期末成绩': 60.5}, {'姓名': 'stud_126', '平时成绩': 86.0, '期末成绩': 56.0}, {'姓名': 'stud_130', '平时成绩': 90.8, '期末成绩': 88.0}, {'姓名': 'stud_133', '平时成绩': 78.4, '期末成绩': 60.0}, {'姓名': 'stud_134', '平时成绩': 91.0, '期末成绩': 69.0}, {'姓名': 'stud_135', '平时成绩': 66.0, '期末成绩': 69.5}, {'姓名': 'stud_136', '平时成绩': 84.0, '期末成绩': 71.0}, {'姓名': 'stud_140', '平时成绩': 74.0, '期末成绩': 73.5}, {'姓名': 'stud_141', '平时成绩': 84.2, '期末成绩': 76.0}, {'姓名': 'stud_148', '平时成绩': 80.0, '期末成绩': 72.0}, {'姓名': 'stud_151', '平时成绩': 80.0, '期末成绩': 60.0}, {'姓名': 'stud_152', '平时成绩': 80.0, '期末成绩': 84.5}, {'姓名': 'stud_158', '平时成绩': 74.0, '期末成绩': 48.0}, {'姓名': 'stud_159', '平时成绩': 91.0, '期末成绩': 88.0}, {'姓名': 'stud_160', '平时成绩': 83.6, '期末成绩': 71.0}, {'姓名': 'stud_170', '平时成绩': 94.0, '期末成绩': 90.0}, {'姓名': 'stud_184', '平时成绩': 70.0, '期末成绩': 65.0}, {'姓名': 'stud_185', '平时成绩': 87.0, '期末成绩': 67.0}, {'姓名': 'stud_186', '平时成绩': 81.0, '期末成绩': 86.0}, {'姓名': 'stud_187', '平时成绩': 91.4, '期末成绩': 83.5}, {'姓名': 'stud_191', '平时成绩': 84.0, '期末成绩': 76.0}, {'姓名': 'stud_192', '平时成绩': 95.4, '期末成绩': 91.0}, {'姓名': 'stud_194', '平时成绩': 92.8, '期末成绩': 82.5}, {'姓名': 'stud_195', '平时成绩': 88.8, '期末成绩': 65.0}, {'姓名': 'stud_202', '平时成绩': 80.4, '期末成绩': 70.5}, {'姓名': 'stud_207', '平时成绩': 90.0, '期末成绩': 86.5}, {'姓名': 'stud_209', '平时成绩': 76.0, '期末成绩': 80.0}, {'姓名': 'stud_211', '平时成绩': 79.0, '期末成绩': 64.0}, {'姓名': 'stud_212', '平时成绩': 85.4, '期末成绩': 77.0}, {'姓名': 'stud_213', '平时成绩': 97.0, '期末成绩': 89.5}, {'姓名': 'stud_215', '平时成绩': 82.0, '期末成绩': 65.5}, {'姓名': 'stud_216', '平时成绩': 79.0, '期末成绩': 75.5}, {'姓名': 'stud_217', '平时成绩': 75.0, '期末成绩': 52.0}, {'姓名': 'stud_224', '平时成绩': 75.0, '期末成绩': 55.0}, {'姓名': 'stud_231', '平时成绩': 81.0, '期末成绩': 66.0}, {'姓名': 'stud_232', '平时成绩': 64.0, '期末成绩': 39.0}, {'姓名': 'stud_233', '平时成绩': 77.0, '期末成绩': 84.0}, {'姓名': 'stud_246', '平时成绩': 92.0, '期末成绩': 79.5}, {'姓名': 'stud_251', '平时成绩': 84.0, '期末成绩': 69.0}, {'姓名': 'stud_254', '平时成绩': 73.0, '期末成绩': 71.0}, {'姓名': 'stud_262', '平时成绩': 81.0, '期末成绩': 90.0}, {'姓名': 'stud_264', '平时成绩': 80.0, '期末成绩': 74.5}, {'姓名': 'stud_270', '平时成绩': 89.0, '期末成绩': 76.5}, {'姓名': 'stud_275', '平时成绩': 82.0, '期末成绩': 83.5}, {'姓名': 'stud_278', '平时成绩': 70.0, '期末成绩': 76.0}, {'姓名': 'stud_280', '平时成绩': 82.0, '期末成绩': 89.0}, {'姓名': 'stud_281', '平时成绩': 92.0, '期末成绩': 86.0}, {'姓名': 'stud_286', '平时成绩': 89.4, '期末成绩': 78.0}, {'姓名': 'stud_292', '平时成绩': 89.8, '期末成绩': 84.5}, {'姓名': 'stud_295', '平时成绩': 95.6, '期末成绩': 66.0}, {'姓名': 'stud_306', '平时成绩': 91.0, '期末成绩': 77.0}, {'姓名': 'stud_314', '平时成绩': 87.0, '期末成绩': 65.5}, {'姓名': 'stud_316', '平时成绩': 81.4, '期末成绩': 71.0}, {'姓名': 'stud_317', '平时成绩': 79.0, '期末成绩': 76.0}, {'姓名': 'stud_318', '平时成绩': 92.0, '期末成绩': 91.0}]
df_ps [61.2, 84.0, 91.0, 83.0, 82.2, 90.2, 83.0, 80.0, 79.0, 67.8, 85.0, 93.0, 91.6, 82.0, 88.0, 81.0, 74.0, 75.0, 78.2, 79.0, 88.4, 78.0, 90.0, 58.2, 85.4, 85.4, 91.0, 79.2, 84.0, 61.8, 96.0, 80.2, 72.0, 75.0, 86.0, 88.0, 79.2, 89.0, 83.2, 78.0, 76.0, 91.8, 88.0, 85.4, 83.0, 80.6, 86.0, 90.8, 78.4, 91.0, 66.0, 84.0, 74.0, 84.2, 80.0, 80.0, 80.0, 74.0, 91.0, 83.6, 94.0, 70.0, 87.0, 81.0, 91.4, 84.0, 95.4, 92.8, 88.8, 80.4, 90.0, 76.0, 79.0, 85.4, 97.0, 82.0, 79.0, 75.0, 75.0, 81.0, 64.0, 77.0, 92.0, 84.0, 73.0, 81.0, 80.0, 89.0, 82.0, 70.0, 82.0, 92.0, 89.4, 89.8, 95.6, 91.0, 87.0, 81.4, 79.0, 92.0]
df_qm [52.0, 66.5, 76.5, 64.0, 74.5, 77.0, 84.5, 71.0, 68.5, 54.0, 64.5, 90.5, 62.5, 81.5, 87.5, 78.0, 78.0, 68.0, 74.0, 76.0, 75.5, 53.0, 80.5, 54.0, 66.0, 74.0, 92.0, 73.5, 70.5, 50.5, 83.6, 76.5, 53.0, 60.0, 58.0, 78.0, 45.5, 90.0, 80.5, 82.0, 79.0, 88.5, 88.0, 64.0, 72.0, 60.5, 56.0, 88.0, 60.0, 69.0, 69.5, 71.0, 73.5, 76.0, 72.0, 60.0, 84.5, 48.0, 88.0, 71.0, 90.0, 65.0, 67.0, 86.0, 83.5, 76.0, 91.0, 82.5, 65.0, 70.5, 86.5, 80.0, 64.0, 77.0, 89.5, 65.5, 75.5, 52.0, 55.0, 66.0, 39.0, 84.0, 79.5, 69.0, 71.0, 90.0, 74.5, 76.5, 83.5, 76.0, 89.0, 86.0, 78.0, 84.5, 66.0, 77.0, 65.5, 71.0, 76.0, 91.0]Process finished with exit code 0

对平时成绩和期末考试成绩分别求均值、标准差、方差、最小值、最大值

平时成绩：

print('平时成绩的均值：',np.std(df_ps))
print('平时成绩的标准差：',np.std(df_ps))
print('平时成绩的方差：',np.var(df_ps))
print('平时成绩的最小值：',np.min(df_ps))
print('平时成绩的最大值：',np.max((df_ps)))

输出结果：

平时成绩的均值： 7.911381927324707
平时成绩的标准差： 7.911381927324707
平时成绩的方差： 62.589964
平时成绩的最小值： 58.2
平时成绩的最大值： 97.0Process finished with exit code 0

期末成绩：

print('期末成绩的均值：',np.std(df_qm))
print('期末成绩的标准差：',np.std(df_qm))
print('期末成绩的方差：',np.var(df_qm))
print('期末成绩的最小值：',np.min(df_qm))
print('期末成绩的最大值：',np.max((df_qm)))

输出结果：

期末成绩的均值： 11.791242682601355
期末成绩的标准差： 11.791242682601355
期末成绩的方差： 139.033404
期末成绩的最小值： 39.0
期末成绩的最大值： 92.0Process finished with exit code 0

输出期末考试比平时成绩高的学生名单

df_qm_ps = []
for j in range(len(df)):if df_list[j]['期末成绩'] > df_list[j]['平时成绩']:df_qm_ps.append(df_list[j]['姓名'])
print('期末考试比平时成绩高的学生名单:\n',df_qm_ps)

输出的结果：

期末考试比平时成绩高的学生名单:['stud_017', 'stud_044', 'stud_062', 'stud_095', 'stud_104', 'stud_105', 'stud_135', 'stud_152', 'stud_186', 'stud_209', 'stud_233', 'stud_262', 'stud_275', 'stud_278', 'stud_280']Process finished with exit code 0

创建列表来存储期末成绩前十名的数据

用np.argsort 对期末成绩进行排序，并获得其下标排序

df_qm_ten = [] # 存储前十名同学的名单
df_qm_ten_zan_qm = [] # 存储前十名同学的期末成绩
df_qm_ten_zan_ps = [] # 存储前十名同学的平时成绩
df_qm_argsort = np.argsort(df_qm)[-10:] # 获得前十名同学对应的索引
print(df_qm_argsort)

输出结果：

[41 90 74 85 60 37 11 66 99 26]Process finished with exit code 0

获得前十同学的期末和平时成绩的排序，并用lexsort函数进行二维排序

用lexsort函数解决同分时比较平时成绩

for i in df_qm_argsort:# print(i)df_qm_ten_zan_qm.append(df_list[i]['期末成绩'])df_qm_ten_zan_ps.append(df_list[i]['平时成绩'])ind = np.lexsort((df_qm_ten_zan_ps, df_qm_ten_zan_qm)) # 同分比较平时成绩后的下标排列

通过遍历的方法把期末成绩前十由大到小输出

df_qm_ps = []
for j in range(len(df)):if df_list[j]['期末成绩'] > df_list[j]['平时成绩']:df_qm_ps.append(df_list[j]['姓名'])
print('期末考试比平时成绩高的学生名单:\n',df_qm_ps)

输出的结果：

期末考试比平时成绩高的学生名单:['stud_017', 'stud_044', 'stud_062', 'stud_095', 'stud_104', 'stud_105', 'stud_135', 'stud_152', 'stud_186', 'stud_209', 'stud_233', 'stud_262', 'stud_275', 'stud_278', 'stud_280']Process finished with exit code 0

完整代码

GitHub:完整代码

Numpy数据分析模块实训-【根据“某门课程平时成绩和期末考试成绩.csv”内容，计算课程的平时成绩和期末考试成绩的均值、标准差、方差、最小值、最大值，输出期末考试比平时成绩高的学生名单，并输出期末】相关推荐

会议通知|2019暑期全国高校Python数据分析与实训课程高级研修班
全国高校Python数据分析与实训课程高级研修班通知各高校教务处.各相关院系负责人: 依据<教育部高等学校教学指导委员会章程>规定,教育部高等学校教学指导委员会的任务之 ...
Python数据分析——白葡萄酒实训
文章目录一:数据收集二:读取数据 1:显示前5行数据三:数据处理 1:查看白葡萄酒总共分为几种品质等级 2:统计等级及其数量条形图展示 3:计算每个数据集中fixed acidity的均值一 ...
信号完整性分析大作业_Matplotlib数据可视化 amp; Pandas数据分析综合实训大作业...
csv文件链接链接:https://pan.baidu.com/s/1-Q9riIfwTWN1AdV2Fb0eVw 提取码:7stb 1.1设置中文以及负数的编码方式,使得其能够正常显示: # re ...
电子商务模块实训作业
一.B2B电子商务网站:阿里巴巴,环球资源内贸网 1.阿里巴巴特点:具有完善的功能和简单易懂的操作.坚持做任何生意的人都有.首页非常全面,布置的非常合理,高计风格简单有个性:最重要的是有" ...
Python numpy 求均值标准差方差及参数介绍
MID:MA(CLOSE,20);//求N个周期的收盘价均线,称为布林通道中轨 TMP2:=STD(CLOSE,20);//求M个周期内的收盘价的标准差 TOP:MID+2*TMP2;//布林通道上轨 ...
计算机英语期末考试方案,【计算机英语论文】计算机实训考核方法改革方案(共4649字)...
摘要:分析计算机实训课程考核的现状,通过引入美国项目管理指南中的"绩效管理"和"里程碑管理"理念,提出一套客观.公正和准确地评价每个学生的考核改革办法,从实训 ...
青软集团大数据和人工智能实训室助力西北工业大学高端软件人才培养
新时代背景下,高校在人才培养的过程中,需要搭建理论与实践并进的桥梁.与产业接轨的渠道.作为国家「一流大学」建设高校,西北工业大学也在积极寻找创新方法.创新模式,力在选拔.培养一批有志于服务国家重大战略 ...
智能楼宇可视化对讲及门禁对讲系统实训装置
智能楼宇可视化对讲及门禁对讲系统实训装置产品型号和技术规格产品特点: (1) 本实训装置为智能楼宇可视对讲及门禁部分,通过此装置进行项目训练,学生掌握楼宇访客住户门口对讲系统布线和应用.出入口门禁 ...
物联网智慧农业实训室实训基地建设方案（完整版）
物联网智慧农业实训室概述物联网是我国战略性新兴产业的重要组成部分,<物联网"十二五"发展规划>圈定了10大领域重点示范工程,智能农业便是其中之一.<物联网&qu ...

Numpy数据分析模块实训-【根据“某门课程平时成绩和期末考试成绩.csv”内容，计算课程的平时成绩和期末考试成绩的均值、标准差、方差、最小值、最大值，输出期末考试比平时成绩高的学生名单，并输出期末】

Numpy数据分析模块实训

导入响应的工具包

读取数据源文件

创建df_list，df_ps，df_qm对象并分别存储成绩数据

对平时成绩和期末考试成绩分别求均值、标准差、方差、最小值、最大值

输出期末考试比平时成绩高的学生名单

创建列表来存储期末成绩前十名的数据

获得前十同学的期末和平时成绩的排序，并用lexsort函数进行二维排序

通过遍历的方法把期末成绩前十由大到小输出

完整代码

Numpy数据分析模块实训-【根据“某门课程平时成绩和期末考试成绩.csv”内容，计算课程的平时成绩和期末考试成绩的均值、标准差、方差、最小值、最大值，输出期末考试比平时成绩高的学生名单，并输出期末】相关推荐

最新文章

热门文章