写在前面

小班的高数段考成绩出来了，惨不忍睹，于是我想可视化看看到底有多惨…

代码有点凌乱，因为直接在Jupyter上想到啥就瞎敲的啥,以下也是ipynb文件直接转换过来的，（抽空整理了一下，前面的两大点后面就不用了）

转换代码(在cmd里执行就可)：

jupyter nbconvert --to markdown 成绩分析.ipynb

----------我是分割线-----------（更新）

导入成绩

num = [67,73,66,21,58,61,41,75,69,68,54,49,60,79,61,30,76,69,67,24,82,61,40,71,80,77,82,60,87,71,69,81,69,61,67,0,71]

先进行数据处理

from collections import Counter
# 将成绩统计，统计每个分数的人数
cnt = Counter(num)
print("每个分数人数显示：",cnt)# 将统计的分数段进行排序，在排序之前，我们可以观察到Counter的结果，所以我只能想到先用两个list来分开存，再关联排序
x = []
y = []# 对分数段进行以5为单位的划分统计
cf = [0 for i in range(0,20)]
# 10
cn = [0 for i in range(0,10)]for i,j in cnt.items():x.append(i)y.append(j)# 对结果进行统计，之后可视化更加清晰cf[(int)(i/5)] +=j;# 10cn[(int)(i/10)]+=j;# 对x,y进行关联排序
x,y = zip(*sorted(zip(x,y)))# 对有成绩的分数段进行展示
print('以5为单位的分数段为：\n')
for i in range(20):if(cf[i]!=0):print(i*5,'~',(i+1)*5-1,':',cf[i])

每个分数人数显示： Counter({61: 4, 69: 4, 67: 3, 71: 3, 60: 2, 82: 2, 73: 1, 66: 1, 21: 1, 58: 1, 41: 1, 75: 1, 68: 1, 54: 1, 49: 1, 79: 1, 30: 1, 76: 1, 24: 1, 40: 1, 80: 1, 77: 1, 87: 1, 81: 1, 0: 1})
以5为单位的分数段为：0 ~ 4 : 1
20 ~ 24 : 2
30 ~ 34 : 1
40 ~ 44 : 2
45 ~ 49 : 1
50 ~ 54 : 1
55 ~ 59 : 1
60 ~ 64 : 6
65 ~ 69 : 9
70 ~ 74 : 4
75 ~ 79 : 4
80 ~ 84 : 4
85 ~ 89 : 1

开始可视化

# 开始可视化
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.pyplot import MultipleLocator
import re# 先将普通的成绩绘制一个普通的柱状图
# 横坐标是成绩，纵坐标是每个成绩的人数
plt.bar(x,y)
plt.figure()
plt.show()# 但是可以看出这个结果非常的不好看，于是可以用到上一步做的以5为单位的数据，并且把柱状图美化一下
# 此时我们首先需要增加一个纵坐标
yi = np.arange(0,100,5)# 设置横纵坐标的间隔，横坐标间隔为10，纵坐标为1
x_major_locator=MultipleLocator(10)
y_major_locator=MultipleLocator(1)#ax为两条坐标轴的实例
ax=plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
ax.yaxis.set_major_locator(y_major_locator)
# 设置横纵坐标的范围
plt.xlim(0,100)
plt.ylim(0,10)# 柱状图的设置，其中比较重要的是width，显示宽度，会比较好看一点，还有柱体的颜色，如果有多个不同的数据可以区分
plt.bar(yi,cf, alpha=0.9, width = 5, facecolor = 'yellowgreen', edgecolor = 'white', label='one', lw=1)
plt.show()# 普通折线图，效果已经可以看出来了
plt.plot(yi,cf)
plt.show()# 再稍微细分一下，使用的横纵坐标和上同
x_major_locator=MultipleLocator(10)
y_major_locator=MultipleLocator(1)
ax=plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
ax.yaxis.set_major_locator(y_major_locator)
plt.xlim(0,100)
plt.ylim(0,10)plt.title('成绩段分布图')
plt.xlabel('分数')
plt.ylabel('人数')plt.plot(yi,cf)
plt.show()

<matplotlib.figure.Figure at 0x7fe1839a7240>

分割线，下面都是草稿都不用看辽

from collections import Counter
cnt = Counter(num)
print(cnt)

Counter({61: 4, 69: 4, 67: 3, 71: 3, 60: 2, 82: 2, 73: 1, 66: 1, 21: 1, 58: 1, 41: 1, 75: 1, 68: 1, 54: 1, 49: 1, 79: 1, 30: 1, 76: 1, 24: 1, 40: 1, 80: 1, 77: 1, 87: 1, 81: 1, 0: 1})

lenn = len(cnt)
print(lenn)

# print(cnt.self)
# print(cnt.args)

分数段展示（以5为单位）

import matplotlib.pyplot as plt
import re
x = []
y = []
un = 0
s = 0
se = 0
ei = 0
ni = 0
ccc = [0,0,0,0,0,0,0,0,0,0,0]
cf = [0 for i in range(0,20)]
for i,j in cnt.items():# print(i,j)x.append(i)y.append(j)# print(i,":",j)ccc[(int)(i/10)] += j;cf[(int)(i/5)] +=j;
for i in range(20):if(cf[i]!=0):print(i*5,'~',(i+1)*5-1,':',cf[i])# if(i<60): un = un + j# elif(i<70): s = s + j# elif(i<80): se = se + j# elif(i<90): ei = ei + j
# print("60分以下人数：",un,"\n60～69分人数：",s,"\n70～79分人数：",se,"\n80～89分人数：",ei,"\n90分以上人数：",ni)

0 ~ 4 : 1
20 ~ 24 : 2
30 ~ 34 : 1
40 ~ 44 : 2
45 ~ 49 : 1
50 ~ 54 : 1
55 ~ 59 : 1
60 ~ 64 : 6
65 ~ 69 : 9
70 ~ 74 : 4
75 ~ 79 : 4
80 ~ 84 : 4
85 ~ 89 : 1

设置表格的横纵坐标范围

x_major_locator=MultipleLocator(10)
y_major_locator=MultipleLocator(1)ax=plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
ax.yaxis.set_major_locator(y_major_locator)
plt.xlim(0,100)
plt.ylim(0,10)

plt.bar(x,y)
plt.figure()
plt.show()plt.bar(yi,ccc)
plt.figure()
plt.show()x_major_locator=MultipleLocator(10)
y_major_locator=MultipleLocator(1)#ax为两条坐标轴的实例
ax=plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
ax.yaxis.set_major_locator(y_major_locator)
plt.xlim(0,100)
plt.ylim(0,10)plt.bar(yii,cf, alpha=0.9, width = 5, facecolor = 'yellowgreen', edgecolor = 'white', label='one', lw=1)
plt.show()

具体人数显示

import numpy as np
yi = [0,10,20,30,40,50,60,70,80,90,100]
plt.plot(yi,ccc)
plt.show()yii = np.arange(0,100,5)print(yii)plt.plot(yii,cf)
plt.show()x,y=zip(*sorted(zip(x,y)))
for i in range(lenn):print(x[i],":",y[i])

[ 0  5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95]

成绩段分布图

from matplotlib.pyplot import MultipleLocator
x,y = zip(*sorted(zip(x,y)))
x_major_locator=MultipleLocator(10)
y_major_locator=MultipleLocator(1)
ax=plt.gca()
#ax为两条坐标轴的实例
ax.xaxis.set_major_locator(x_major_locator)
#把x轴的主刻度设置为1的倍数
ax.yaxis.set_major_locator(y_major_locator)
#把y轴的主刻度设置为10的倍数# plt.plot(x,y)
plt.title('成绩段分布图')
plt.xlabel('分数')
plt.ylabel('人数')
plt.plot(yii,cf)
# plt.plot(x,y)plt.xlim(0,100)
plt.ylim(0,10)plt.show()

flag = 0
fullx = []
fully = []
for i,j in cnt.items():if(flag < i):for number in range(i-flag,3):fullx.append(flag+number)fully.append(0)fullx.append(i)fully.append(j)flag = i+1else:fullx.append(i)fully.append(j)flag = i+1
fullx,fully=zip(*sorted(zip(fullx,fully)))plt.plot(fullx,fully)
x_major_locator=MultipleLocator(10)
y_major_locator=MultipleLocator(1)
ax = plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
ax.yaxis.set_major_locator(y_major_locator)
plt.xlim(0,90)
plt.ylim(0,5)
plt.show()

python实现成绩分析并实现可视化相关推荐

python中成绩分析函数_自学Python笔记：用Python做成绩分析（1）
有朋友会问,刚学了一周,什么是面向对象都还不清楚就可以写程序?还有Python不是写"爬虫"吗? Python是面向对象的语言,函数.模块.数字.字符串都是对象,并且完全支持继承. ...
合集｜Python数据采集、分析挖掘、可视化，看这一篇就够了！
这几年,"数据分析"是很火啊,在这个数据驱动一切的时代,数据挖掘和数据分析就是这个时代的"淘金",懂数据分析.拥有数据思维,往往成了大厂面试的加分项. 比如通过 ...
Python 灰色关联度分析与结果可视化
前言 1.Python 灰色关联度分析采用一个示例,简单分析一下. 灰色关联度分析是度量两条曲线的形态和走势是否相近本文是在前文的基础上,进行结果可视化展示. 程序读数据 import pan ...
python做成绩表_自学Python笔记：用Python做成绩分析（2）
#Grade.py import pandas as pd #打开原始表grade.xlsx df = pd.read_excel("grade.xlsx","grade ...
学生成绩分析报告数据分析可视化python实现源码seaborn、matplotlib
最终报告见文末资源链接 1.导入包,设置显示 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns imp ...
python制作成绩分析系统_python实现学生成绩测评系统
本文实例为大家分享了python实现学生成绩测评系统的具体代码,供大家参考,具体内容如下 1.问题描述(功能要求): 根据实验指导书要求,完成相关软件系统的设计,要求内容翔实,条理清晰,图文并茂(流程 ...
python输出成绩分析代码_Python根据成绩分析系统浅析
案例:该数据集的是一个关于每个学生成绩的数据集,接下来我们对该数据集进行分析,判断学生是否适合继续深造数据集特征展示 1 gre 成绩 (290 to 340) 2 toefl 成绩(92 to 1 ...
用python做成绩分析做表格_excel成绩表-懂Excel就能轻松入门Python数据分析包pandas(三)：制作成绩条...
转发本文并私信我"python",即可获得Python资料以及各种心得(持续更新的) 经常听别人说 Python 在数据领域有多厉害,结果学了很长时间,连数据处理都麻烦得要死.后来 ...
【python数据可视化】成绩分析及可视化实例
题目要求综合项目设计2:成绩分析及可视化实例 [已有功能]某班有30名学生的3门课程成绩,请统计每个学生课程的总分.平均分,每门课程的最高分.最低分,并绘制图形,对比各成绩段的成绩人数分布. [教学 ...

python实现成绩分析并实现可视化

写在前面

导入成绩

先进行数据处理

开始可视化

分割线，下面都是草稿都不用看辽

分数段展示（以5为单位）

设置表格的横纵坐标范围

具体人数显示

成绩段分布图

python实现成绩分析并实现可视化相关推荐

最新文章

热门文章