Python的matplotlib庫具有很強(qiáng)大的繪圖功能，可以利用這個(gè)庫函數(shù)來進(jìn)行學(xué)生成績統(tǒng)計(jì)。假如有一個(gè)班的某科學(xué)生成績?nèi)绫?所示，可以用柱狀圖、直方圖和餅狀圖三種方式來進(jìn)行統(tǒng)計(jì)分析。下邊介紹一下操作步驟。

目錄

一、把成績表轉(zhuǎn)成csv格式

二、統(tǒng)計(jì)分析的方法

1、柱狀圖

2、直方圖

3、餅狀圖

三、實(shí)現(xiàn)代碼

四、實(shí)現(xiàn)效果

一、把成績表轉(zhuǎn)成csv格式

學(xué)號(hào)用字段“No.”表示，成績用“score”，表格名稱為“score”。

二、統(tǒng)計(jì)分析的方法

在課程成績情況統(tǒng)計(jì)分析時(shí)，可以選則柱狀圖、直方圖和餅狀圖三種圖形。

1、柱狀圖

使用柱狀圖分析全班平均分?jǐn)?shù)、最高分?jǐn)?shù)和最低分?jǐn)?shù)。

2、直方圖

使用直方圖和正態(tài)分布曲線分析全班成績的正態(tài)分布情況。

3、餅狀圖

使用餅狀圖分析60分以下、60-70分、70-80分、80-90分和90分以上幾個(gè)分?jǐn)?shù)區(qū)間的人數(shù)所占比例。

三、實(shí)現(xiàn)代碼

import pandas as pd  # 引入panda工具集
import numpy as np  # 引入numpy核心庫
import matplotlib.pyplot as plt  #引入matplotlib數(shù)據(jù)可視化庫

#聲明變量
a=0     #90分以上數(shù)量
b=0     #80-90分以上數(shù)量
c=0     #70-80分以上數(shù)量
d=0     #60-70分以上數(shù)量
e=0     #60分以下數(shù)量
score_max=0
score_min=100
score_avg=0
score_sum=0

# 正態(tài)分布的概率密度函數(shù)
#   x      數(shù)據(jù)集中的某一具體測量值
#   mu     數(shù)據(jù)集的平均值，反映測量值分布的集中趨勢
#   sigma  數(shù)據(jù)集的標(biāo)準(zhǔn)差，反映測量值分布的分散程度
def normfun(x, mu, sigma):
    pdf = np.exp(-((x - mu) ** 2) / (2 * sigma ** 2)) / (sigma * np.sqrt(2 * np.pi))
    return pdf

if __name__ == '__main__':
    
    data = pd.read_csv('score.csv') # 載入分?jǐn)?shù)數(shù)據(jù)文件
    score = data['score'] # 獲得分?jǐn)?shù)數(shù)據(jù)集
    student_no = data['No.'] # 獲得學(xué)號(hào)數(shù)據(jù)集
    mean = score.mean() # 獲得分?jǐn)?shù)數(shù)據(jù)集的平均值
    std = score.std()   # 獲得分?jǐn)?shù)數(shù)據(jù)集的標(biāo)準(zhǔn)差

   #計(jì)算分?jǐn)?shù)總和、各分?jǐn)?shù)區(qū)間數(shù)量統(tǒng)計(jì)
    for i in range(0,len(score)):
        score0=int(score[i])
                
        #print(student_no[i],score0)
        score_sum=score_sum+score0  #計(jì)算分?jǐn)?shù)之和，為求平均數(shù)做準(zhǔn)備

        #計(jì)算最大值
        if score0>score_max:
            score_max=score0

        #計(jì)算最小值
        if score0<score_min:
            score_min=score0

        
        if score0>=90:              #統(tǒng)計(jì)90分以上數(shù)量
            a=a+1
        elif score0>=80:            #統(tǒng)計(jì)80分以上數(shù)量
            b=b+1
        elif score0>=70:            #統(tǒng)計(jì)70分以上數(shù)量
            c=c+1
        elif score0>=60:            #統(tǒng)計(jì)60分以上數(shù)量
            d=d+1
        else:                       #統(tǒng)計(jì)60分以下數(shù)量
            e=e+1

    score_avg=score_sum/len(score)  #平均分
    scores=[a,b,c,d,e]              #分?jǐn)?shù)區(qū)間統(tǒng)計(jì)
    
    

    # 柱形圖柱形的寬度
    bar_width = 0.3
    

    # 設(shè)定X軸：前兩個(gè)數(shù)字是x軸的起止范圍，第三個(gè)數(shù)字表示步長，步長設(shè)定得越小，畫出來的正態(tài)分布曲線越平滑
    x = np.arange(0, 100, 1)

    # 設(shè)定Y軸，正態(tài)分布函數(shù)
    y = normfun(x, mean, std)

    # 設(shè)定柱狀圖x軸、Y軸數(shù)組
    x3 = np.arange(3)
    y3 = np.array([score_avg,score_max,score_min])
    

    # 繪制分?jǐn)?shù)數(shù)據(jù)集的正態(tài)分布曲線和直方圖（5分檔）
    plt.subplot(221)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('分?jǐn)?shù)分布(5檔)')
    plt.plot(x, y)
    plt.hist(score, bins=5, rwidth=0.9, density=True)
    plt.xlabel('分?jǐn)?shù)')
    plt.ylabel('概率')
    

    # 繪制分?jǐn)?shù)數(shù)據(jù)集的正態(tài)分布曲線和直方圖（10分檔）
    plt.subplot(222)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('分?jǐn)?shù)分布(10檔)')
    plt.plot(x, y)   
    plt.hist(score, bins=10, rwidth=0.9, density=True)
    plt.xlabel('分?jǐn)?shù)')
    plt.ylabel('概論')


    # 繪制柱形圖
    plt.subplot(223)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('分?jǐn)?shù)統(tǒng)計(jì)')
    plt.bar(x3, y3, tick_label=['平均分', '最高分', '最低分'], width=bar_width)

    # 繪制餅狀圖
    plt.subplot(224)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('分?jǐn)?shù)段餅圖')
    plt.pie(scores,labels=['90分以上','80-90分','70-80分','60-70分','60分以下'])
    # 輸出四幅圖
plt.show()

四、實(shí)現(xiàn)效果

（全文結(jié)束）

?文章來源地址http://www.zghlxwxcb.cn/news/detail-502072.html

到了這里，關(guān)于python柱狀圖、直方圖和餅狀圖統(tǒng)計(jì)學(xué)生成績的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！