基于Pandas和Pandas-Bokeh的学生成绩数据统计及可视化

时红军

摘要：本文以作者所在学校初一初二两个年级学生的期末考试成绩为例，详细阐述了如何利用数据分析工具Pandas对数据进行导入、清洗、分析，以及使用第三方绘图库Python-Bokeh对统计结果进行可视化输出的方法，希望它能够在学生成绩统计应用中具有较好的实用性和推广价值。

关键词：Pandas;Bokeh;可视化;成绩统计

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2021）21-0086-05

引言

近年来，因为具有简单易学、易读易维护以及超强的可扩展性等优点，Python语言逐渐成为数据分析领域的首选工具。Pandas作为强大的Python数据分析支持库，为Python提供了高性能、易使用的数据结构和高效操作数据所需的工具，它可以方便地从csv、xlsx、txt等格式的文件中导入数据，然后进行数据的清洗、筛选、排序、分组、导出等处理。Pandas-Bokeh是Python的一款交互式数据可视化库，可以将Pandas中的数据帧DataFrame输出至浏览器并实现与用户的交互。本文尝试使用Pandas+Pandas-Bokeh对笔者所在学校初一初二学生某次期末考试的成绩进行统计分析，并实现可视化输出。

数据导入

Pandas中数据导入函数有很多，其中函数read_csv（）可以导入csv和txt文件，函数read_excel（）可导入xlsx文件。笔者使用read_excel（）从Excel文件中导入学生成绩，参数nrows可以设置导入的行数，实现数据的预导入，用来查看数据是否存在编码、格式等问题以及选择需要导入的列，使用参数usecols导入指定列，参数header指定第几行作为列索引。代码如图1所示，正确运行结果如表1所示。

数据清洗

因为采集得到的数据可能存在如数据缺失、重复、极端值、格式不统一等问题，所以在数据分析之前，必须对数据进行预处理，即数据清洗。Pandas中专门提供了许多用于数据清洗的函数与方法，如函数fillna（）可以将缺失数据用提供的参数填充，函数dropna（）可以按行删除缺失数据，drop_duplicated（）函数用于删除重复行。在清洗数据之前，可用info（）函数查看数据信息，代码如图2所示，运行结果如图3、图4所示。

从图3和图4可以看出，该数据帧中有289行7列数据，其中语文和英语两列都有缺失值，没有重复值。对于缺失值用函数fillna（value=0）将缺失值用0填充，代码为student_list.fillna（value=0），运行结果如表2所示。

数据分析

完成数据清洗后，就可以利用Pandas提供的统计函数进行数据分析。在学生成绩分析统计中，通常需要按年级、班级、学科等分组分别统计相关指标。Pandas中的groupby（）函数可以对数据帧进行分组，然后可以对每个组独立应用聚合函数，最后将每个分组的计算结果合并。

1.均分、最高分、最低分、优秀率、及格率等

首先分别按年级、学科分组，在每个组中同时使用多个不同的聚合函数来分别统计不同的指标量。如mean、max、min函数分别用来计算均分、最高分和最低分。优秀和及格人数的计算使用了匿名函数lambda表达式，核心代码如图5所示，运行结果如表3所示。

2.各分数段人数分析

Pandas中的cut函数可以将连续型数值进行离散化处理，它把Series中每个数据放入一个分箱，并可以打上标签。首先根据年级最高分和最低分创建分箱所需的分组依据bins，然后利用cut函数将得分分箱，最后统计每个分箱内数据个数即分数段内人数，核心代码如图6所示，运行结果如表4所示。

3.年级优生人数分析

如果需要查看学科成绩排名靠前的学生信息，可使用Pandas提供的nlargest函数。它将数据帧或数据系列中的前n大数据取出，参数keep用来设置重复值的取舍方法，默认为first，表示按索引顺序取首次出现的数据。代码如图7所示，运行结果如表5所示。

数据可视化

数据可视化是借助图形化手段，将数据转换成可视化图表，它可以清晰地将隐藏在数据间的信息直观地展现在用户面前。相比传统的表格或文档展现方式，它提供了另一个维度来观察数据，从而可以对数据进行更加深入的观察和分析。常用的Python的可视化库主要有Matplotlib、Seaborn、Bokeh等，Bokeh是基于JavaScript的可实现交互式可视化的绘图工具库，它可以在Web浏览器中实現美观的视觉效果，并能将数据输出为JSON对象、HTML文档或交互式Web应用程序。Pandas-Bokeh与Pandas能够无缝衔接，Pandas中的DataFrame和Series可直接调用Bokeh底层代码，并以图表形式展现出来。其语法简单，简洁易用，所以笔者尝试利用Pandas-Bokeh对学生成绩进行可视化处理。

①均分、最高分等折线图。Pandas-Bokeh支持的图表主要有折线图line、条形图bar、散点图scatter、直方图histogram等，使用方法有两种（df表示数据帧，以折线图为例）：df.plot_bokeh.line（…）和df.plot_bokeh （kind='line'，…）。输出结果可以用pandas_bokeh.output_notebook（）命令在Jupyter notebook中直接展示，也可以使用pandas_bokeh.output_file（"*.html"）输出为HTML文件。

首先导入pandas_bokeh库，设置输出方式为在Jupyter notebook展示，然后即可利用数据分析过程中的数据帧调用plot_bokeh绘图函数生成对应图表，代码如图8所示，运行结果如图9所示。

②分数段百分比堆叠柱形图的代码如图10所示，运行结果如图11所示。

③分数频数分布直方图的代码如下页图12所示，运行结果如下页图13所示。

（4）前10名学生条形图的代码如下页图14所示，运行结果如下页图15所示。

总结

本文利用Pandas对学生成绩进行了导入、清洗、分析等处理，然后用Pandas-Bokeh对分析结果可视化，输出了清晰直观的统计图表。此方法简单易用，可极大减轻每次考试后学校数据统计人员的重复性工作量，非常适合在学校处理学生成绩过程中推广使用。后续可使用Pandas或其他数据分析库进一步挖掘数据间隐含的规律，为学校决策提供科学依据。

参考文献：

[1]刘新鹏，高斌.利用Python和Pandas进行学生成绩处理[J].信息与电脑，2020（07）：41-43.

[2]宋永生，黄蓉美，王军.基于Python的数据分析与可视化平台研究[J].现代信息科技，2019（11）：7-9.

[3]刘雨珂，王平.基于Python+Pandas+Matplotlib的学生成绩数据统计与图形输出实现[J].福建电脑，2017，33（11）：104-106.

[4]张若愚.Python科学计算：第2版[M].北京：清华大学出版社，2016.

[5]韩文煜.基于Python数据分析技术的数据整理与分析研究[J].科技创新与应用，2020（04）：157-158.