python入门-day21-周末复习

周末复习，这个任务旨在让你在周末放松的同时巩固前两周的学习成果，并通过一个自选小任务优化之前的项目。

学习目标

• 复习前两周（Day 18-20）的核心内容，包括 Pandas 和 Matplotlib 的基础。
• 完成之前未完成的练习或挑战。
• 通过一个自选小任务优化之前的项目，提升代码质量或功能。

任务步骤

1. 复习前两周内容
2. Day 18: Pandas 基础
3. 复习 Series 和 DataFrame 的创建与操作。
4. 回顾读取 CSV 文件和计算平均值的代码。
5. Day 19: 可视化基础
6. 复习折线图和柱状图的绘制方法。
7. 回忆如何设置标题、标签和网格。
8. Day 20: 综合练习
9. 复习学生成绩分析项目，包括数据读取、平均分计算和图表绘制。
10. 建议：快速运行之前写的代码，确保理解每个部分的逻辑。
11. 完成未完成练习
12. 检查 Day 18-20 的额外挑战是否完成。如果没有，选择至少一个完成：
13. Day 18: 为 DataFrame 添加 Grade 列并排序。
14. Day 19: 在折线图中添加平均温度线。
15. Day 20: 计算学生总分并找出最高分。
16. 如果所有练习都已完成，可以跳到第 3 步。
17. 自选小任务：优化之前的项目
18. 从 Day 18-20 中选择一个项目进行优化。以下是一些建议：
19. 优化 Day 18 的 CSV 分析
20. 添加异常值检测：找出成绩低于 60 或高于 95 的数据。
21. 输出更详细的统计信息（如中位数、最大值、最小值）。
22. 优化 Day 19 的温度可视化
23. 添加颜色区分：温度高于 23°C 用暖色调，低于用冷色调。
24. 将折线图和柱状图合并到一个画布上（使用子图）。
25. 优化 Day 20 的学生成绩分析
26. 添加新功能：按科目筛选出优秀学生（例如成绩 > 90）。
27. 美化图表：为柱状图添加数据标签，为直方图调整区间并添加平均线。

参考代码（优化 Day 20 示例）

以下是优化 Day 20 学生成绩分析项目的代码示例，增加了优秀学生筛选和图表美化功能：

python

import pandas as pd
import matplotlib.pyplot as plt

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

# 计算平均分
averages = df[['math', 'english', 'science']].mean()
print("\n各科目平均分:")
print(averages)

# 新功能：筛选优秀学生（成绩 > 90）
excellent_students = df[df['math'] > 90][['name', 'math']]
print("\n数学成绩优秀的学生（>90）:")
print(excellent_students)

# 优化柱状图 - 添加数据标签
plt.figure(figsize=(8, 5))
bars = plt.bar(averages.index, averages.values, color=['skyblue', 'lightgreen', 'salmon'])
plt.title('Average Scores by Subject')
plt.xlabel('Subjects')
plt.ylabel('Average Score')
plt.ylim(0, 100)
for bar in bars:  # 添加数据标签
    yval = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2, yval + 1, round(yval, 1), ha='center')
plt.show()

# 优化直方图 - 添加平均线
plt.figure(figsize=(8, 5))
plt.hist(df['math'], bins=5, color='lightblue', edgecolor='black')
plt.axvline(df['math'].mean(), color='red', linestyle='dashed', linewidth=1, label=f'Mean: {df["math"].mean():.1f}')
plt.title('Math Score Distribution')
plt.xlabel('Score')
plt.ylabel('Number of Students')
plt.legend()
plt.show()

代码亮点

• 优秀学生筛选: 使用 Pandas 的布尔索引筛选出数学成绩 > 90 的学生。
• 柱状图优化: 用 plt.text() 在柱子顶部显示具体数值。
• 直方图优化: 用 axvline() 添加平均线并显示图例。

额外建议

• 如果觉得任务量太大，可以选择只完成一个优化点。
• 记录复习中的疑问或灵感，为下周学习做准备。

完成标准

• 复习 Day 18-20 的核心内容并运行至少一个相关代码。
• 完成至少一个未完成的练习或优化一个项目。
• 能够总结前两周学到的关键技能（如数据处理、可视化）