目录

一、实践要求

1.从18.student_score.csv文件中读取同学的成绩册，处理好缺失值。

2.将实验报告成绩从ABCD转换成百分制，统计出实验成绩。A为90分，B为75分，C为60分，D为40分。

3.按照平时成绩20%，实验成绩30%，期末成绩50%的比例计算综合成绩，形成新的综合成绩列。

4.统计全班综合成绩[90,100],[80,89],[70,79],[60-69],[0,59]各段成绩的人数并画饼图。

5.将完整的成绩保存到score.csv文件中，打开excel检查输出是否正确。

二、测试数据

18.student_score.csv文件：（以下是分别用记事本和Excel打开的数据，可自行粘贴到记事本或Excel上保存为csv文件）

序号,姓名,平时成绩,实验成绩,期末成绩
1,张三,95,A,81
2,李四,94,B,60
3,王五,95,C,87
4,马七,97,D,75
5,梦雪,97,A,63
6,樱花,94,A,66
7,杏子,94,A,28
8,天涯,99,A,76
9,孔维,94,B,84
10,赵四,95,D,86
11,孙二,100,C,60
12,,98,,
13,太良,98,D,83
14,丁云,95,D,83
15,淑萍,98,D,80
16,溪美,98,C,53
17,泰山,96,A,67
18,梅花,,A,64
19,梅六,98,B,68
20,云霞,96,B,85

序号	姓名	平时成绩	实验成绩	期末成绩
1	张三	95	A	81
2	李四	94	B	60
3	王五	95	C	87
4	马七	97	D	75
5	梦雪	97	A	63
6	樱花	94	A	66
7	杏子	94	A	28
8	天涯	99	A	76
9	孔维	94	B	84
10	赵四	95	D	86
11	孙二	100	C	60
12		98
13	太良	98	D	83
14	丁云	95	D	83
15	淑萍	98	D	80
16	溪美	98	C	53
17	泰山	96	A	67
18	梅花		A	64
19	梅六	98	B	68
20	云霞	96	B	85

三、代码实现

1.从18.student_score.csv文件中读取同学的成绩册，处理好缺失值。

import pandas as pd
# 绘图需要使用的库
from matplotlib import pyplot as plt

# 从18.student_score.csv文件中读取同学的成绩册，处理好缺失值
df = pd.read_csv("18.student_score.csv")
df.set_index("序号", inplace=True)  # 将序号作为index索引
df['姓名'].fillna('老六', inplace=True)
df = df.fillna(method="bfill")  # 处理缺失值：backfill / bfill表示用后面行的值，填充当前行的空值
# print(df)

输出的结果（print（df））：

2.将实验报告成绩从ABCD转换成百分制，统计出实验成绩。A为90分，B为75分，C为60分，D为40分。

# 将实验报告成绩从ABCD转换成百分制，统计出实验成绩。A为90分，B为75分，C为60分，D为40分。
for x in df.index:
    if df.loc[x, "实验成绩"] == 'A':
        df.loc[x, "实验成绩"] = 90
    if df.loc[x, "实验成绩"] == 'B':
        df.loc[x, "实验成绩"] = 75
    if df.loc[x, "实验成绩"] == 'C':
        df.loc[x, "实验成绩"] = 60
    if df.loc[x, "实验成绩"] == 'D':
        df.loc[x, "实验成绩"] = 40
# print(df)

输出的结果（print（df））：

3.按照平时成绩20%，实验成绩30%，期末成绩50%的比例计算综合成绩，形成新的综合成绩列。

# 按照平时成绩20%，实验成绩30%，期末成绩50%的比例计算综合成绩，形成新的综合成绩列。
df["综合成绩"] = df["平时成绩"] * 0.2 + df["实验成绩"] * 0.3 + df["期末成绩"] * 0.5
print(df)
# 统计全班综合成绩[90,100],[80,89],[70,79],[60-69],[0,59]各段成绩的人数，并画饼图。
num = pd.cut(df['综合成绩'], bins=[0, 60, 70, 80, 90, 100], labels=['0-59', '60-69', '70-79', '80-89', '90-100'],
             right=False)  # bins为分区的分界值，labels为相应区间的标签
counts = num.value_counts()  # 统计区间人数
# print(counts)

输出的结果：print（df）

print（counts）：

4.统计全班综合成绩[90,100],[80,89],[70,79],[60-69],[0,59]各段成绩的人数并画饼图。

plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文字体
plt.pie(counts, autopct='%1.1f%%')# autopct后面的值1.1表示保留2位小数
plt.legend(labels=['70-79', '80-89', '60-69', '0-59', '90-100'], loc="best")  # 绘制图的图例为name，位置为最佳
plt.title("学生综合成绩区间分布图")  # 饼图的名称
plt.show()

输出的结果：

5.将完整的成绩保存到score.csv文件中，打开excel检查输出是否正确。

# 完整的成绩保存到score.csv文件中，打开excel检查输出是否正确。
df.to_csv('score.csv', encoding='utf-8-sig')
# “utf-8-sig"中sig全拼为 signature 也就是"带有签名的utf-8”,
# 因此"utf-8-sig"读取带有BOM的"utf-8文件时"会把BOM单独处理,与文本内容隔离开,也是我们期望的结果。

打开excel检查输出是否正确：

 四、学习资料

 以下是本实践涉及到的学习资料链接：

python解决csv文件用excel打开乱码问题 – 简书 (jianshu.com)

(93条消息) python csv写文件，用Excel打开中文乱码解决_dcong9010的博客-CSDN博客

数据分箱之pd.cut() – 知乎 (zhihu.com)

Pandas 数据清洗 | 菜鸟教程 (runoob.com)

(93条消息) 菜鸟编程：python中使用matplotlib绘制饼状图_小菜鸟Zoe的博客-CSDN博客