这段时间看了数据分析方面的内容，对Python中的numpy和pandas有了最基础的了解。我知道如果我不用这些技能做些什么的话，很快我就会忘记。想起之前群里发过一个学校的四六级成绩表，正好可以用来熟悉一下pandas中的一些用法。
1.数据介绍。
成绩表中包含的字段十分详细，里面有年级、性别、姓名、分数等等的一系列内容，我只想简单的分析一下我们学校的四六级过关率而已，所以去除了一些不必要的字段。留下的有如下几个字段：
第一列是自增的序号，没有什么实际意义。
第二列就是代表着该学生参加的是四级还是六级。
第三列是我们学校的院系名称。
第四列是学校院系的各个专业。
第五列是年级，13代表着2013年入学。
第六列是性别。
后面的三列分别是总分、听力、阅读、写作等。
其中总分为0的都是缺考的。一共有接近9000条数据（没有报名的不在其中）。
2.预期结果。
我想利用这些数据最终通过图标的形式展示出以下几点：
1.各个学院的四六级平均分。
2.各个学院的四六级过关人数。
3.各个学院的各个年级过关人数。
4.各个年级的过关人数。
5.男生女生分别过关人数。
最终结果：
各个学院的四六级过关人数：
3.实现过程。
（1）导入依赖包。
程序分别使用了pandas进行分组转换，和matplotlib提供的绘图功能。
|
1
2
|
import pandas as pdimport matplotlib.pylab as plt |
（2）加载数据。
想要分析数据自然要得到数据了，我将整理的数据存放在sj.xls中，是一个Excel类型的数据。
这一步使用pandas的read_excel即可，生成一个DataFrame对象。
|
1
2
|
#加载全部数据sj = pd.read_excel(r'F:\DataAnalysis\sj.xls') |
加载完之后输出一下看看内容：
除了排版没有对齐之外其他都一样。
（3）统计各个学院平均分。
在这里就可以完成我们预期的第一个结果：
各个学院的四六级平均分：
想要各个学院的情况当然是要根据学院来进行分组了，同时也需要分出“CET4”和“CET6”两组。使用groupby即可，这样会生成一个SeriesGroupBy对象，然后再调用mean函数（默认是轴0计算，也就是我们想要的结果）即可统计出平均分情况。
|
1
2
3
4
5
|
#按照各个学院进行分组xymean = sj['总分'].groupby([sj['院系名称'],sj['语言级别']])#计算各个学院的平均分数xymean = xymean.mean() |
这个时候将其输出的话会得到如下结果：
由于院系名称和语言级别是层次化索引的缘故，看起来并不是十分的友好，因此使用unstack将语言级别转从行转换为列。
|
1
|
xymean = xymean.unstack(level='语言级别') |
再次输出的话结果就比较清晰了
使用pandas的绘图功能进行绘图：
|
1
2
3
4
5
|
#使用横向柱状图显示xymean.plot(kind='barh')#在PyCharm中需要使用，在Ipython环境中如果以--pylab形式打开就不需要plt.show() |
运行一下看看结果：
可以看到这时候数据的结果都能够显示出来了，但是中文部分出现了问题，不过不要紧，科学上网一查就解决了：https://github.com/mwaskom/seaborn/issues/1009
添加一下代码即可：
|
1
2
3
|
import matplotlib as mplmpl.rcParams['font.sans-serif'] = ['SimHei']mpl.rcParams['font.serif'] = ['SimHei'] |
再次运行就OK了。
接下来要分析过关的情况了。
（4）筛选数据。
既然已经有了所有的数据内容了，下一步就是筛选出所有过关的人数了。
|
1
2
|
#过滤出过关人数sjpass = sj[sj['总分'] >= 425] |
这时候sjpass存放的就是所有的过关人数了。
在输出结果的最下面就可以看到一共有1507行数据，当然也可以使用len()或者shape[0]查看共有多少行。
（5）各个学院的四六级过关人数。
已经有了全部过关人的数据了，接下来根据预期结果进行分组即可。同样的根据“院系名称”和“语言级别”对总分进行分组，然后使用count函数进行求和最后再用unstack进行调整绘图展示。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
#按照各个学院进行分组xypass = sjpass['总分'].groupby([sjpass['院系名称'],sjpass['语言级别']])#计算各个学院的过关总人数xypass = xypass.count()#将语言级别作为columnsxypass = xypass.unstack(level='语言级别')#进行绘图xypass.plot(kind='barh')plt.show() |
绘图结果：
（6）各个学院的各个年级过关人数。。
这次分组的时候加上年级即可，并且为了绘图比较好看一点，这次可以将“年纪”转换为列，并且像12年这种的有些学员已经没有人参加了，所以需要将缺失值用0填充：
|
1
2
3
4
5
6
7
8
9
10
11
|
#按照各个学院和年级进行分组xypass = sjpass['总分'].groupby([sjpass['院系名称'],sjpass['语言级别'],sjpass['年级']])#计算各个学院的过关总人数xypass = xypass.count()#将语言级别作为columns，并且将缺失值用0进行填充xypass = xypass.unstack(level='年级').fillna(0)xypass.plot(kind='barh')plt.show() |
绘图结果：
（7）各个年级的过关人数。
使用groupby对年级进行分组即可：
|
1
2
3
4
|
#-----------------各个年级过关人数------------------njpass = sjpass['总分'].groupby([sjpass['年级'],sjpass['语言级别']]).count().unstack(level='语言级别')njpass.plot(kind='barh')plt.show() |
绘图结果：
（8）男生女生分别过关人数。
将性别和语言级别进行分组：
|
1
2
3
4
|
#---------------男生女生过关情况----------------------nvpass = sjpass['总分'].groupby([sjpass['性别'],sjpass['语言级别']]).count().unstack(level='语言级别')nvpass.plot(kind='bar')plt.show() |
绘图结果：
4.结果分析。
从绘图的结果上来看的话，各个学院之间音乐学院的平均分比较低，艺术设计和外国语学院的平均分都比较高，但是过关人数却没有那么的多，尤其是艺术设计的人数比较少，主要也是因为该学院的总人数比较少。
四级的过关人数明显比六级的人数多的多，而且因为15级是大二年级，在我们学校大二才可以参加四六级考试，所以过关的人数里面15级占有比较大的比分。
而且不得不承认，女生的过关率要比男生高的不止一点。
源码以及数据：https://github.com/jiajia0/DataAnalysis
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：http://blog.csdn.net/Leafage_M/article/details/78560629
