题目需求描述

已知两个Excel表格：学生基本信息表、期末考试成绩表分别用于存放学生的基本信息（包括姓名、性别、班级）和学生的期末成绩（包括姓名、语文、数学、英语、总分），部分数据如下图所示（完整数据见学生基本信息表.xls、期末考试成绩表.xls），完成以下操作。

（1）编写程序读取两张表中的数据，并将其根据姓名进行合并，然后将合并后的数据按照总分从高到低进行排序，总分相同时，根据英语成绩从高到低排序，并将结果存放在学生期末考试成绩排名表.xls中，最终表中的部分数据如下。

（2）编写程序分别用饼状图绘制出语文、数学、英语课程优秀（分数>=90）、良好（90>分数>=80）、中等（80>分数>=70）、及格（70>分数>=60）、不及格（分数<60）的比例。最终效果如图所示，要求三个图放在一个大图中，大图的标题为学生各科成绩分布图，每个图都有子标题，例如语文成绩分布，所有比例保留1位小数点，最终的图保存为饼状图.png。

（3）编写程序分别用条形图绘制出语文、数学、英语课程的最低分、最高分以及平均分。最终效果图如图所示，要求图中显示图例、标题，条形图上方显示相应数字，最终的图保存为条形.png。

代码参考

import pandas as pd
import matplotlib.pyplot as plt
import numpy as npdef get_datas(df, col):level_1 = len(df[df[col] >= 90])level_2 = len(df[(df[col] < 90) & (df[col] >= 80)])level_3 = len(df[(df[col] < 80) & (df[col] >= 70)])level_4 = len(df[(df[col] < 70) & (df[col] >= 60)])level_5 = len(df[df[col] < 60])return level_1, level_2, level_3, level_4, level_5# 第一小题
d_1 = pd.read_excel("学生基本信息表.xls", skiprows=1)
d_2 = pd.read_excel("期末考试成绩表.xls", skiprows=1)
d_3 = pd.merge(d_1, d_2)
d_3 = d_3.sort_values(by=["总分", "英语"], ascending=False)
d_3.to_excel("学生期末考试成绩排名表.xls")# 第二小题
results = []
titles = ["语文", "数学", "英语"]
plt.rcParams["font.family"] = "FangSong"  # 设置字体
labels = ["优秀", "良好", "中等", "及格", "不及格"]
for title in titles:results.append(get_datas(d_3, title))plt.figure(figsize=(12, 5))  # 创建一个新图
plt.suptitle("学生各科成绩分布图")
for index, data in enumerate(results):print(data)plt.subplot(1, 3, index + 1)plt.title(titles[index] + "成绩分布")plt.pie(data, labels=labels, autopct='%.1f%%', shadow=True, labeldistance=1.2,explode=(0.1, 0, 0, 0, 0), colors=['m', 'c', 'y', 'r', 'g'])
plt.savefig("饼状图")# 第三小题
plt.figure()  # 创建一个新图
min_datas =[np.min(d_3["语文"]), np.min(d_3["数学"]), np.min(d_3["英语"])]
mean_datas =[np.mean(d_3["语文"]), np.mean(d_3["数学"]), np.mean(d_3["英语"])]
max_datas =[np.max(d_3["语文"]), np.max(d_3["数学"]), np.max(d_3["英语"])]
kemu_datas = [min_datas, mean_datas, max_datas]
legends = ["最低分", "平均分", "最高分"]
x = range(len(titles))
plt.title("各科成绩统计信息")
for index, data in enumerate(kemu_datas):plt.bar([i + 0.3 * index for i in x], height=data, width=0.3, label=legends[index])for j, num in enumerate(data):plt.text(0.3 * index + j, num + 1, "{:.1f}".format(num), ha="center", va="bottom", color="r")
plt.xticks([i + 0.3 for i in x], titles)  # 绘制底部标签
plt.legend()
plt.savefig("条形图")
plt.show()

相关资源和代码可以关注微信公众号：Python资源分享，回复 0603 即可获取。或者通过CSDN资源下载页下载：https://download.csdn.net/download/Dream_Gao1989/19358882

Python数据分析与可视化案例解析相关推荐

Python数据分析及可视化案例--2018成都市公共租赁住房家庭（个人）配租信息分析
前言数据来源于成都市公共数据开放平台. 数据集:http://www.cddata.gov.cn/odweb/catalog/catalogDetail.htm?cata_id=fRa2EWB1Ee ...
python数据分析可视化实例-Python数据分析与可视化从入门到精通
(1)没有高深理论,每章都以实例为主,读者参考书中源码运行,就能得到与书中一样的结果.(2)专注于Python数据分析与可视化操作中实际用到的技术.相比大而全的书籍资料,本书能让读者尽快上手,开始项目 ...
python可视化数据分析-Python数据分析与可视化从入门到精通
(1)没有高深理论,每章都以实例为主,读者参考书中源码运行,就能得到与书中一样的结果.(2)专注于Python数据分析与可视化操作中实际用到的技术.相比大而全的书籍资料,本书能让读者尽快上手,开始项目 ...
python数据分析与可视化清华大学_Python数据分析与可视化
讲解Python数据分析与可视化中的九大模块,内容全面详实: 提供11个课程实训和2个完整的项目案例,理论结合实践 : 赠送420分钟的教学视频及丰富的配套资源,便于教师教学. 超值赠送: 教学大纲. ...
[转载] Python数据分析与可视化学习笔记（一）数据分析与可视化概述
参考链接: Python | 数据分析的数学运算数据分析与可视化(一) 1.1 数据分析1.1.1 数据.信息与数据分析1.1.2数据分析与数据挖掘的区别1.1.3数据分析的流程 1.2 数据可视化 ...
【Python数据分析与可视化】Pandas统计分析-实训
[Python数据分析与可视化]Pandas统计分析-实训文章目录 [Python数据分析与可视化]Pandas统计分析-实训导包读取数据分析数据 1.查看数据的描述和统计信息: 2.修改列名 ...
python数据分析与可视化【一】python基础实例
用python做数据分析与可视化(一) python编程基础这一块前面我写过博客,奉上链接:python基础这篇就来看看几个小实例后面有python很基础的知识点和例子后面数据分析能用上下一 ...
【Python数据分析与可视化】期末复习笔记整理（不挂科）
[Python数据分析与可视化]期末复习笔记 1. 数据分析与可视化概述对比概念常用工具 Python常用类库 Jupyter notebook中的常用快捷方式 2. Python编程基础 co ...
Python数据分析-数据可视化(二)
欢迎大家访问个人博客:https://jmxgodlz.xyz 文章目录前言 Matplotlib 折线图格式调整标签线条颜色线条形状折点样式线条透明度前言看到有些论文插图十分简洁美观 ...
Python数据分析与可视化学习笔记（一）数据分析与可视化概述
数据分析与可视化(一) 1.1 数据分析 1.1.1 数据.信息与数据分析 1.1.2数据分析与数据挖掘的区别 1.1.3数据分析的流程 1.2 数据可视化 1.3 数据分析与可视化常用工具 1.4 ...

Python数据分析与可视化案例解析

题目需求描述

代码参考

Python数据分析与可视化案例解析相关推荐

最新文章

热门文章