這段時間看了數(shù)據(jù)分析方面的內(nèi)容，對Python中的numpy和pandas有了最基礎的了解。我知道如果我不用這些技能做些什么的話，很快我就會忘記。想起之前群里發(fā)過一個學校的四六級成績表，正好可以用來熟悉一下pandas中的一些用法。

1.數(shù)據(jù)介紹。

成績表中包含的字段十分詳細，里面有年級、性別、姓名、分數(shù)等等的一系列內(nèi)容，我只想簡單的分析一下我們學校的四六級過關率而已，所以去除了一些不必要的字段。留下的有如下幾個字段：

第一列是自增的序號，沒有什么實際意義。

第二列就是代表著該學生參加的是四級還是六級。

第三列是我們學校的院系名稱。

第四列是學校院系的各個專業(yè)。

第五列是年級，13代表著2013年入學。

第六列是性別。

后面的三列分別是總分、聽力、閱讀、寫作等。

其中總分為0的都是缺考的。一共有接近9000條數(shù)據(jù)（沒有報名的不在其中）。

2.預期結果。

我想利用這些數(shù)據(jù)最終通過圖標的形式展示出以下幾點：

1.各個學院的四六級平均分。

2.各個學院的四六級過關人數(shù)。

3.各個學院的各個年級過關人數(shù)。

4.各個年級的過關人數(shù)。

5.男生女生分別過關人數(shù)。

最終結果：

各個學院的四六級過關人數(shù)：

3.實現(xiàn)過程。

（1）導入依賴包。

程序分別使用了pandas進行分組轉(zhuǎn)換，和matplotlib提供的繪圖功能。

import pandas as pd
import matplotlib.pylab as plt

（2）加載數(shù)據(jù)。

想要分析數(shù)據(jù)自然要得到數(shù)據(jù)了，我將整理的數(shù)據(jù)存放在sj.xls中，是一個Excel類型的數(shù)據(jù)。
這一步使用pandas的read_excel即可，生成一個DataFrame對象。

#加載全部數(shù)據(jù)
sj = pd.read_excel(r'F:\DataAnalysis\sj.xls')

加載完之后輸出一下看看內(nèi)容：

除了排版沒有對齊之外其他都一樣。

（3）統(tǒng)計各個學院平均分。

在這里就可以完成我們預期的第一個結果：

各個學院的四六級平均分：

想要各個學院的情況當然是要根據(jù)學院來進行分組了，同時也需要分出“CET4”和“CET6”兩組。使用groupby即可，這樣會生成一個SeriesGroupBy對象，然后再調(diào)用mean函數(shù)（默認是軸0計算，也就是我們想要的結果）即可統(tǒng)計出平均分情況。

#按照各個學院進行分組
xymean = sj['總分'].groupby([sj['院系名稱'],sj['語言級別']])

#計算各個學院的平均分數(shù)
xymean = xymean.mean()

這個時候?qū)⑵漭敵龅脑挄玫饺缦陆Y果：

由于院系名稱和語言級別是層次化索引的緣故，看起來并不是十分的友好，因此使用unstack將語言級別轉(zhuǎn)從行轉(zhuǎn)換為列。

xymean = xymean.unstack(level='語言級別')

再次輸出的話結果就比較清晰了

使用pandas的繪圖功能進行繪圖：

#使用橫向柱狀圖顯示
xymean.plot(kind='barh')

#在PyCharm中需要使用，在Ipython環(huán)境中如果以--pylab形式打開就不需要
plt.show()

運行一下看看結果：

可以看到這時候數(shù)據(jù)的結果都能夠顯示出來了，但是中文部分出現(xiàn)了問題，不過不要緊，科學上網(wǎng)一查就解決了：https://github.com/mwaskom/seaborn/issues/1009

添加一下代碼即可：

import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['font.serif'] = ['SimHei']

再次運行就OK了。

接下來要分析過關的情況了。

（4）篩選數(shù)據(jù)。

既然已經(jīng)有了所有的數(shù)據(jù)內(nèi)容了，下一步就是篩選出所有過關的人數(shù)了。

#過濾出過關人數(shù)
sjpass = sj[sj['總分'] >= 425]

這時候sjpass存放的就是所有的過關人數(shù)了。

在輸出結果的最下面就可以看到一共有1507行數(shù)據(jù)，當然也可以使用len()或者shape[0]查看共有多少行。

（5）各個學院的四六級過關人數(shù)。

已經(jīng)有了全部過關人的數(shù)據(jù)了，接下來根據(jù)預期結果進行分組即可。同樣的根據(jù)“院系名稱”和“語言級別”對總分進行分組，然后使用count函數(shù)進行求和最后再用unstack進行調(diào)整繪圖展示。

#按照各個學院進行分組
xypass = sjpass['總分'].groupby([sjpass['院系名稱'],sjpass['語言級別']])


#計算各個學院的過關總?cè)藬?shù)
xypass = xypass.count()

#將語言級別作為columns
xypass = xypass.unstack(level='語言級別')

#進行繪圖
xypass.plot(kind='barh')
plt.show()

繪圖結果：

（6）各個學院的各個年級過關人數(shù)。。

這次分組的時候加上年級即可，并且為了繪圖比較好看一點，這次可以將“年紀”轉(zhuǎn)換為列，并且像12年這種的有些學員已經(jīng)沒有人參加了，所以需要將缺失值用0填充：

#按照各個學院和年級進行分組
xypass = sjpass['總分'].groupby([sjpass['院系名稱'],sjpass['語言級別'],sjpass['年級']])

#計算各個學院的過關總?cè)藬?shù)
xypass = xypass.count()

#將語言級別作為columns，并且將缺失值用0進行填充
xypass = xypass.unstack(level='年級').fillna(0)

xypass.plot(kind='barh')
plt.show()

繪圖結果：

（7）各個年級的過關人數(shù)。

使用groupby對年級進行分組即可：

#-----------------各個年級過關人數(shù)------------------
njpass = sjpass['總分'].groupby([sjpass['年級'],sjpass['語言級別']]).count().unstack(level='語言級別')
njpass.plot(kind='barh')
plt.show()

繪圖結果：

（8）男生女生分別過關人數(shù)。

將性別和語言級別進行分組：

#---------------男生女生過關情況----------------------
nvpass = sjpass['總分'].groupby([sjpass['性別'],sjpass['語言級別']]).count().unstack(level='語言級別')
nvpass.plot(kind='bar')
plt.show()

繪圖結果：

4.結果分析。

從繪圖的結果上來看的話，各個學院之間音樂學院的平均分比較低，藝術設計和外國語學院的平均分都比較高，但是過關人數(shù)卻沒有那么的多，尤其是藝術設計的人數(shù)比較少，主要也是因為該學院的總?cè)藬?shù)比較少。

四級的過關人數(shù)明顯比六級的人數(shù)多的多，而且因為15級是大二年級，在我們學校大二才可以參加四六級考試，所以過關的人數(shù)里面15級占有比較大的比分。

而且不得不承認，女生的過關率要比男生高的不止一點。

源碼以及數(shù)據(jù)：https://github.com/jiajia0/DataAnalysis

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。