【数据分析与可视化】利用Python对学生成绩进行可视化分析实战（附源码）

不念不忘少年蓝@ 2023-09-30 18:48 43阅读 0赞

> **需要源码和数据集请点赞关注收藏后评论区留言私信~~~**

下面对学生成句和表现等数据可视化分析

1：导入模块

import pandas as pd
    import numpy as np
    import seaborn as sns
    import matplotlib.pyplot as plt
    plt.rcParams['font.sans-serif']=['simhei']
    plt.rcParams['font.serif'] = ['simhei']
    
    import warnings
    warnings.filterwarnings('ignore')

2：获取数据 并打印前四行

![b28f9d3d5eed477c8ab7a2722856a21a.png][]

from matplotlib.font_manager import FontProperties
    myfont=FontProperties(fname=r'C:\Windows\Fonts\SimHei.ttf',size=12)
    sns.set(font=myfont.get_name())
    df = pd.read_csv('.\data\StudentPerformance.csv')
    df.head(4)

属性列表对应含义如下

> Gender 性别
> 
> Nationality 国籍
> 
> PlaceofBirth 出生地
> 
> Stageid 学校级别
> 
> Gradeid 年级
> 
> Sectionid 班级
> 
> Topic 科目
> 
> semester 学期
> 
> ralation 孩子家庭教育负责人
> 
> raisedhands 学生上课举手的次数
> 
> announcementviews 学生浏览在线课件的次数
> 
> discussion 学生参与课堂讨论的次数
> 
> parentanswersurvey 家长是否填了学校的问卷
> 
> parentschoolsatisfaction 家长对于学校的满意度
> 
> studentabsencedays 学生缺勤天数

3：数据可视化分析

接下来线修改表列名 换成中文

![6acbc87fd48641c7a366405fc1fed120.png][]

df.rename(columns={'gender':'性别','NationalITy':'国籍','PlaceofBirth':'出生地',
                       'StageID':'学段','GradeID':'年级','SectionID':'班级','Topic':'科目',
                      'Semester':'学期','Relation':'监管人','raisedhands':'举手次数',
                      'VisITedResources':'浏览课件次数','AnnouncementsView':'浏览公告次数',
                      'Discussion':'讨论次数','ParentAnsweringSurvey':'父母问卷',
                      'ParentschoolSatisfaction':'家长满意度','StudentAbsenceDays':'缺勤次数',
                       'Class':'成绩'},inplace=True)
    df.replace({'lowerlevel':'小学','MiddleSchool':'中学','HighSchool':'高中'},inplace=True)
    df.columns

显示学期和学段的取值

![91f40a3a12f64350b222eb49dfc6eec3.png][]

然后修改数据

![0c9e85a3f5c34a83a23cdc0c92ee418a.png][]

df.replace({'lowerlevel':'小学','MiddleSchool':'中学','HighSchool':'高中'},inplace=True)
    df['性别'].replace({'M':'男','F':'女'},inplace=True)
    df['学期'].replace({'S':'春季','F':'秋季'},inplace=True)
    df.head(4)

查看空缺数据情况

![165c46b9974d49b9897f9f2a59860a8b.png][]

df.isnull().sum()

查看数据统计情况

![cd75a0a9a29f48ed97da7a1480d3a650.png][]

然后按成绩绘制计数柱状图

![4c5d4ffc1f5b479f9de48a1216d575be.png][]

sns.countplot(x = '成绩', order = ['L', 'M', 'H'], data = df, linewidth=2,edgecolor=sns.color_palette("dark",4))

接着按性别绘制计数柱状图

![6af21ee306cb4107abd582ae89100242.png][]

sns.countplot(x = '性别', order = ['女', '男'],data = df)

按科目绘制计数柱状图

![daf877d8fbb144359f17f8c533cce771.png][]

sns.set_style('whitegrid')
    sns.set(rc={'figure.figsize':(16,8)},font=myfont.get_name(),font_scale=1.5)
    sns.countplot(x = '科目', data = df)

按科目绘制不同成绩的计数柱状图

![f0f31de74cc54aa69d8abc4bcec3cb20.png][]

按性别和成绩绘制计数柱状图

![335b2bca37984e41973e951556fd2821.png][]

sns.countplot(x = '性别', hue = '成绩',data = df, order = ['女', '男'], hue_order = ['L', 'M', 'H'])

按班级查看成绩分布比例

![86b3e74f618a4fc686fd2f5138792826.png][]

sns.countplot(x = '班级', hue='成绩', data=df, hue_order = ['L','M','H'])
    # 从这里可以看出虽然每个班人数较少，但是没有那个班优秀的人数的比例比较突出，这个特征可以删除

分析4个表现和成绩的相关性

![2096114ca93a4e6cb9029297fc6587e3.png][]

# 了解四个课堂和课后表现与成绩的相关性
    fig, axes = plt.subplots(2,2,figsize=(14,10))
    sns.barplot(x='成绩', y='浏览课件次数',data=df,order=['L','M','H'],ax=axes[0,0])
    sns.barplot(x='成绩', y='浏览公告次数',data=df,order=['L','M','H'],ax=axes[0,1])
    sns.barplot(x='成绩', y='举手次数',data=df,order=['L','M','H'],ax=axes[1,0])
    sns.barplot(x='成绩', y='讨论次数',data=df,order=['L','M','H'],ax=axes[1,1])
    # 在sns.barplot中，默认的计算方式为计算平均值

分析不同成绩学生的讨论情况

![b1a1effffa22498fbded9fef49183e69.png][]

# 了解举手次数与成绩之间的相关性
    sns.set(rc={'figure.figsize':(8,6)},font=myfont.get_name(),font_scale=1.5)
    sns.boxplot(x='成绩',y='讨论次数',data=df,order=['L','M','H'])

分析举手次数和参加讨论次数的相关性

![ffa70cd2033f46429e5467530a328a6b.png][]

# 了解四个课堂后量化表现之间的相关性
    # fig,axes = plt.subplots(2,1,figsize=(10,10))
    sns.regplot(x='举手次数',y='讨论次数',order =4,data=df)
    # sns.regplot(x='浏览公告次数',y='浏览课件次数',order=4,data=df,ax=axes[1])   ,ax=axes[0]

分析浏览课件次数 举手次数 浏览公告次数 讨论次数之间的相关性

![bfc18a52d66c42f78da95e10d8d29318.png][]

# Correlation Matrix 相关性矩阵
    corr = df[['浏览课件次数','举手次数','浏览公告次数','讨论次数']].corr()
    corr

最后将相关矩阵用热力图可视化显示

![9331bc13a67048e291a385e0e002bf87.png][]

# Correlation Matrix Visualization 相关性可视化
    sns.heatmap(corr,xticklabels=corr.columns,yticklabels=corr.columns)

**创作不易 觉得有帮助请点赞关注收藏~~~**

[b28f9d3d5eed477c8ab7a2722856a21a.png]: https://img-blog.csdnimg.cn/b28f9d3d5eed477c8ab7a2722856a21a.png
[6acbc87fd48641c7a366405fc1fed120.png]: https://img-blog.csdnimg.cn/6acbc87fd48641c7a366405fc1fed120.png
[91f40a3a12f64350b222eb49dfc6eec3.png]: https://img-blog.csdnimg.cn/91f40a3a12f64350b222eb49dfc6eec3.png
[0c9e85a3f5c34a83a23cdc0c92ee418a.png]: https://img-blog.csdnimg.cn/0c9e85a3f5c34a83a23cdc0c92ee418a.png
[165c46b9974d49b9897f9f2a59860a8b.png]: https://img-blog.csdnimg.cn/165c46b9974d49b9897f9f2a59860a8b.png
[cd75a0a9a29f48ed97da7a1480d3a650.png]: https://img-blog.csdnimg.cn/cd75a0a9a29f48ed97da7a1480d3a650.png
[4c5d4ffc1f5b479f9de48a1216d575be.png]: https://img-blog.csdnimg.cn/4c5d4ffc1f5b479f9de48a1216d575be.png
[6af21ee306cb4107abd582ae89100242.png]: https://img-blog.csdnimg.cn/6af21ee306cb4107abd582ae89100242.png
[daf877d8fbb144359f17f8c533cce771.png]: https://img-blog.csdnimg.cn/daf877d8fbb144359f17f8c533cce771.png
[f0f31de74cc54aa69d8abc4bcec3cb20.png]: https://img-blog.csdnimg.cn/f0f31de74cc54aa69d8abc4bcec3cb20.png
[335b2bca37984e41973e951556fd2821.png]: https://img-blog.csdnimg.cn/335b2bca37984e41973e951556fd2821.png
[86b3e74f618a4fc686fd2f5138792826.png]: https://img-blog.csdnimg.cn/86b3e74f618a4fc686fd2f5138792826.png
[2096114ca93a4e6cb9029297fc6587e3.png]: https://img-blog.csdnimg.cn/2096114ca93a4e6cb9029297fc6587e3.png
[b1a1effffa22498fbded9fef49183e69.png]: https://img-blog.csdnimg.cn/b1a1effffa22498fbded9fef49183e69.png
[ffa70cd2033f46429e5467530a328a6b.png]: https://img-blog.csdnimg.cn/ffa70cd2033f46429e5467530a328a6b.png
[bfc18a52d66c42f78da95e10d8d29318.png]: https://img-blog.csdnimg.cn/bfc18a52d66c42f78da95e10d8d29318.png
[9331bc13a67048e291a385e0e002bf87.png]: https://img-blog.csdnimg.cn/9331bc13a67048e291a385e0e002bf87.png