python入门-day20:综合练习（python基础训练100题）

综合练习 这个任务将结合之前学习的内容（文件操作、数据处理和可视化），通过一个实际项目帮助学习者巩固技能。

学习目标

• 综合运用文件操作、数据处理和可视化技能。
• 掌握从 CSV 文件读取数据并进行简单分析的能力。
• 学会绘制成绩分布图，直观展示学生成绩情况。

项目概述

• 项目名称：学生成绩分析
• 任务描述：从一个包含学生成绩的 CSV 文件中读取数据，计算每门课程的平均分，并绘制成绩分布图。
• 所需工具：
• Pandas：用于读取和处理 CSV 数据。
• Matplotlib：用于绘制成绩分布图。
• 假设的 CSV 文件格式（student_scores.csv）：
• Name,Math,English,Science Alice,85,90,88 Bob,78,82,75 Charlie,92,88,95 Diana,65,70,68

任务步骤

1. 准备工作
2. 安装依赖（如果尚未安装）：
3. pip install pandas matplotlib
4. 创建或获取 CSV 文件：
5. 可以手动创建一个 student_scores.csv 文件，内容如上所示。
6. 或者使用代码生成示例文件：
7. python
8. import pandas as pd data = { "Name": ["Alice", "Bob", "Charlie", "Diana"], "Math": [85, 78, 92, 65], "English": [90, 82, 88, 70], "Science": [88, 75, 95, 68] } df = pd.DataFrame(data) df.to_csv("student_scores.csv", index=False)
9. 读取数据
10. 目标：使用 Pandas 读取 CSV 文件中的学生成绩数据。
11. 步骤：
12. 导入 Pandas。
13. 使用 pd.read_csv() 读取文件。
14. 检查数据是否正确加载。
15. 示例代码：
16. python
17. import pandas as pd # 读取 CSV 文件 df = pd.read_csv("student_scores.csv") print("学生成绩数据：") print(df)
18. 计算平均分
19. 目标：计算每门课程的平均分。
20. 步骤：
21. 使用 Pandas 的 mean() 函数计算每列（科目）的平均值。
22. 显示结果。
23. 示例代码：
24. python
25. # 计算每门课的平均分 average_scores = df[["Math", "English", "Science"]].mean() print("\n每门课程的平均分：") print(average_scores)
26. 绘制成绩分布图
27. 目标：使用 Matplotlib 绘制直方图，展示某门课程的成绩分布。
28. 步骤：
29. 导入 Matplotlib。
30. 选择一门课程（例如 Math），用 plt.hist() 绘制直方图。
31. 添加标题和标签。
32. 示例代码：
33. python
34. import matplotlib.pyplot as plt # 绘制 Math 成绩的分布图 plt.hist(df["Math"], bins=5, color="skyblue", edgecolor="black") plt.title("Math Scores Distribution") plt.xlabel("Score") plt.ylabel("Number of Students") plt.show()
35. 综合代码
36. 将所有功能整合为一个完整的程序：
37. python
38. import pandas as pd import matplotlib.pyplot as plt # 读取数据 df = pd.read_csv("student_scores.csv") print("学生成绩数据：") print(df) # 计算平均分 average_scores = df[["Math", "English", "Science"]].mean() print("\n每门课程的平均分：") print(average_scores) # 绘制成绩分布图（以 Math 为例） plt.hist(df["Math"], bins=5, color="skyblue", edgecolor="black") plt.title("Math Scores Distribution") plt.xlabel("Score") plt.ylabel("Number of Students") plt.show()

练习要求

• 基础任务：
• 完成上述代码，确保能正确读取数据、计算平均分并绘制 Math 成绩的分布图。
• 进阶挑战：
• 为 English 和 Science 也绘制分布图，并将三个图放在一个窗口中（使用 plt.subplot()）。
• 计算每位学生的总分，并找出成绩最高的学生。
• 添加异常处理，确保程序在 CSV 文件不存在时不会崩溃。

进阶示例代码（可选）

python

import pandas as pd
import matplotlib.pyplot as plt

try:
    # 读取数据
    df = pd.read_csv("student_scores.csv")
    print("学生成绩数据：")
    print(df)

    # 计算平均分
    average_scores = df[["Math", "English", "Science"]].mean()
    print("\n每门课程的平均分：")
    print(average_scores)

    # 计算每位学生的总分
    df["Total"] = df[["Math", "English", "Science"]].sum(axis=1)
    top_student = df.loc[df["Total"].idxmax()]
    print("\n成绩最高的学生：")
    print(top_student)

    # 绘制三门课程的分布图
    plt.figure(figsize=(12, 4))

    plt.subplot(1, 3, 1)
    plt.hist(df["Math"], bins=5, color="skyblue", edgecolor="black")
    plt.title("Math Scores")
    plt.xlabel("Score")
    plt.ylabel("Number of Students")

    plt.subplot(1, 3, 2)
    plt.hist(df["English"], bins=5, color="lightgreen", edgecolor="black")
    plt.title("English Scores")
    plt.xlabel("Score")

    plt.subplot(1, 3, 3)
    plt.hist(df["Science"], bins=5, color="salmon", edgecolor="black")
    plt.title("Science Scores")
    plt.xlabel("Score")

    plt.tight_layout()
    plt.show()

except FileNotFoundError:
    print("错误：找不到 student_scores.csv 文件！")

学习成果

• 能够从 CSV 文件中读取结构化数据。
• 掌握使用 Pandas 进行简单统计分析（平均分计算）。
• 学会用 Matplotlib 绘制直方图展示数据分布。
• （可选）理解如何处理异常和展示多图。

扩展建议

• 尝试使用其他类型的图表（例如箱线图 plt.boxplot()）展示成绩分布。
• 增加数据量（例如 20 个学生），观察分布图的变化。
• 将分析结果保存到新的 CSV 文件中。

这个学习任务为 Day 20 提供了一个综合性的项目，涵盖了文件操作、数据分析和可视化。如果需要进一步调整或详细解释，请告诉我！