当前位置： 首页 > wzjs >正文

免费php外贸网站模板济南建设工程交易信息网

wzjs 2025/9/6 17:08:14
免费php外贸网站模板,济南建设工程交易信息网,游戏平台十大排名,郴州做网站好的，我们进入： 🧠 第5周 第7天 🎯 主题：测试复盘 项目封装实战 ✅ 今日目标 回顾第5周数据分析与可视化核心知识对整个“学生成绩分析系统”进行项目封装与模块化拆分增加命令行参数支持，提升可复用性…

好的，我们进入：

🧠 第5周 · 第7天

🎯 主题：测试复盘 + 项目封装实战

✅ 今日目标

  • 回顾第5周数据分析与可视化核心知识
  • 对整个“学生成绩分析系统”进行项目封装与模块化拆分
  • 增加命令行参数支持，提升可复用性与实用性
  • 打包输出完整分析报告

📚 一、本周复盘重点

模块核心技能工具库
数据清洗缺失值处理、类型转换pandas
数据筛选条件过滤、排序pandas
分组聚合groupby、agg、pivot_tablepandas
可视化折线图、直方图、箱线图等matplotlib / seaborn
报告整合Markdown 输出、图表嵌入文件系统操作

🛠 二、项目封装建议（结构）

student_report_project/
├── data/
│   └── students_cleaned.csv
├── charts/
│   └── （生成的图表）
├── scripts/
│   ├── clean_data.py
│   ├── filter_and_sort.py
│   ├── groupby_agg_analysis.py
│   ├── visualize_students.py
│   ├── generate_report.py
│   └── main.py  👈 综合入口（命令行参数）
├── README.md

🧩 三、命令行支持示例：main.py

import argparse
import subprocessparser = argparse.ArgumentParser(description="学生成绩分析工具")
parser.add_argument('--step', type=str, help="选择执行步骤，如 clean | visualize | report | all")
args = parser.parse_args()if args.step == "clean":subprocess.run(["python", "scripts/clean_data.py"])
elif args.step == "visualize":subprocess.run(["python", "scripts/visualize_students.py"])
elif args.step == "report":subprocess.run(["python", "scripts/generate_report.py"])
elif args.step == "all":subprocess.run(["python", "scripts/clean_data.py"])subprocess.run(["python", "scripts/visualize_students.py"])subprocess.run(["python", "scripts/generate_report.py"])
else:print("❗ 请输入有效的步骤参数：clean / visualize / report / all")

运行方式：

python scripts/main.py --step all

🧪 今日练习任务

  1. 封装你的所有分析脚本到 scripts/ 文件夹中
  2. 将 generate_report.py 的报告输出路径与图表目录一致管理
  3. 在命令行运行 main.py --step all 一键完成数据分析 → 可视化 → 报告输出

代码输出：

  1. clean_data.py

    # clean_data.py placeholder script
import pandas as pd
import os
def clean_data():# 原始数据路径（假设为 data/raw_students.csv）raw_path = "./data/students_dirty.csv"cleaned_path = "./data/students_cleaned.csv"# 检查文件是否存在if not os.path.exists(raw_path):raise FileNotFoundError(f"❌ 找不到原始数据文件：{raw_path}")# 读取原始数据df = pd.read_csv(raw_path)print("✅ 已加载原始数据：")print(df.head())# ---------------- 清洗步骤 ----------------# 1. 删除空行或全部为 NaN 的行df.dropna(how="all", inplace=True)# 2. 填充缺失值（如成绩）df["成绩"] = pd.to_numeric(df["成绩"], errors="coerce")  # 转换为数字df.fillna({"成绩": df["成绩"].mean()}, inplace=True)  # 填充姓名和性别的缺失值# 3. 创建新列：是否及格df["是否及格"] = df["成绩"] >= 60# 4. 去除重复值（如姓名+性别+成绩完全重复）df.drop_duplicates(subset=["姓名", "性别", "成绩"], inplace=True)# 5. 标准化性别字段df["性别"] = df["性别"].str.strip().replace({"男生": "男", "女生": "女"})# 6. 按姓名升序排序df.sort_values(by="姓名", inplace=True)# 7. 重置索引df.reset_index(drop=True, inplace=True)# ---------------- 保存清洗后的数据 ----------------os.makedirs("data", exist_ok=True)df.to_csv(cleaned_path, index=False, encoding="utf-8")print(f"\n✅ 清洗完成，保存至：{cleaned_path}")print(f"✅ 数据清理完成，已保存到 {cleaned_path}")if __name__ == "__main__":clean_data()

  2. filter_and_sort.py

    # filter_and_sort.py placeholder script
import pandas as pd
import osdef filter_and_sort():# 输入路径input_path = "./data/students_cleaned.csv"# 检查数据文件是否存在if not os.path.exists(input_path):raise FileNotFoundError("❌ 找不到 students_cleaned.csv，请先运行 clean_data.py")# 加载清洗后的数据df = pd.read_csv(input_path)print("✅ 已加载数据：")print(df.head())# ------------------- 筛选操作 -------------------# 1. 筛选：成绩大于等于 80 的学生print("\n🎯 成绩 >= 80 的学生：")high_scores = df[df["成绩"] >= 80]print(high_scores)# 2. 筛选：未及格的学生（是否及格为 False）print("\n🚨 未及格的学生：")failed_students = df[df["是否及格"] == False]print(failed_students)# 3. 筛选：性别为“女”且成绩大于 85print("\n👩 女生中成绩 > 85 的学生：")excellent_girls = df[(df["性别"] == "女") & (df["成绩"] > 85)]print(excellent_girls)# ------------------- 排序操作 -------------------# 4. 成绩从高到低排序print("\n🏆 学生成绩从高到低排序：")sorted_scores = df.sort_values(by="成绩", ascending=False)print(sorted_scores)# 5. 多列排序：先按是否及格，再按成绩降序print("\n🔍 先按是否及格，再按成绩排序：")multi_sorted = df.sort_values(by=["是否及格", "成绩"], ascending=[False, False])print(multi_sorted)# （可选）保存筛选结果os.makedirs("./data", exist_ok=True)high_scores.to_csv("./data/high_scores.csv", index=False)failed_students.to_csv("./data/failed_students.csv", index=False)print("\n✅ 高分/不及格学生已分别保存至 data/ 目录下。")if __name__ == "__main__":filter_and_sort()print("✅ 筛选和排序操作完成！")

  3. generate_report.py

    # generate_report.py placeholder script
import pandas as pd
import osdef generate_report():# 路径配置input_path = "./data/students_cleaned.csv"charts_dir = "./charts"report_path = os.path.join(charts_dir, "学生成绩可视化报告.md")# 检查必要文件是否存在if not os.path.exists(input_path):raise FileNotFoundError("❌ 缺少清洗后的数据文件：students_cleaned.csv")if not os.path.exists(charts_dir):raise FileNotFoundError("❌ 图表目录不存在，请先运行 visualize_students.py")# 加载数据df = pd.read_csv(input_path)# 数据统计total = len(df)avg_score = df["成绩"].mean()max_score = df["成绩"].max()min_score = df["成绩"].min()pass_rate = df["是否及格"].mean() * 100score_diff = df.groupby("性别")["成绩"].mean().diff().abs().values[-1]# Markdown 报告模板report_md = f"""# 📝 学生成绩数据分析与可视化报告## 1. 数据概况- 总人数：**{total} 人**
- 平均成绩：**{avg_score:.2f} 分**
- 成绩范围：**{min_score} - {max_score} 分**
- 及格率：**{pass_rate:.1f}%**
- 男女生成绩差异约：**{score_diff:.2f} 分**---## 2. 成绩趋势折线图
![成绩折线图](成绩折线图.png)## 3. 成绩柱状图
![成绩柱状图](成绩柱状图.png)## 4. 性别平均成绩柱状图
![性别平均成绩柱状图](性别平均成绩柱状图.png)## 5. 成绩分布直方图
![成绩分布直方图](成绩分布直方图.png)## 6. 成绩箱线图（按性别）
![成绩箱线图_按性别](成绩箱线图_按性别.png)---## 7. 分析结论与建议- 成绩整体集中在 **XX ~ XX** 分之间（可从直方图查看）
- 存在少量低分/高分的异常值（见箱线图）
- 性别差异不明显，但女生略高 / 男生略高
- 建议关注及格率波动、低分段学生的提升空间---*由 Python + Pandas + Matplotlib + Seaborn 自动生成* ✅"""# 保存报告with open(report_path, "w", encoding="utf-8") as f:f.write(report_md)print(f"✅ 分析报告已生成：{report_path}")if __name__ == "__main__": generate_report()print("✅ 学生成绩分析报告生成完毕！请查看 charts/ 目录下的学生成绩可视化报告.md")print("🎉 感谢使用学生成绩分析工具！")

  4. groupby_agg_analysis.py

    # groupby_agg_analysis.py placeholder script
import pandas as pd
import osdef groupby_agg_analysis():# 数据路径input_path = "./data/students_cleaned.csv"# 检查数据文件是否存在if not os.path.exists(input_path):raise FileNotFoundError("❌ 缺少 students_cleaned.csv，请先运行 clean_data.py")# 读取数据df = pd.read_csv(input_path)print("✅ 已加载学生数据：")print(df.head())# ------------------- 一、按性别分组统计 -------------------print("\n👥 按性别分组的成绩统计：")gender_stats = df.groupby("性别")["成绩"].agg(["count", "mean", "max", "min"]).rename(columns={"count": "人数", "mean": "平均成绩", "max": "最高分", "min": "最低分"})print(gender_stats)# ------------------- 二、按是否及格统计人数 -------------------print("\n🎯 统计及格 / 不及格人数：")pass_count = df["是否及格"].value_counts().rename(index={True: "及格", False: "不及格"})print(pass_count)# ------------------- 三、性别 + 是否及格的交叉分析 -------------------print("\n📊 性别与是否及格交叉表：")cross_tab = pd.crosstab(df["性别"], df["是否及格"])print(cross_tab)# ------------------- 四、按性别分组后计算及格率 -------------------print("\n✅ 按性别分组的及格率（%）：")pass_rate_by_gender = (df.groupby("性别")["是否及格"].mean().multiply(100).round(2).rename("及格率"))print(pass_rate_by_gender)# （可选）保存分析结果os.makedirs("./data", exist_ok=True)gender_stats.to_csv("./data/gender_score_summary.csv")cross_tab.to_csv("./data/crosstab_gender_pass.csv")pass_rate_by_gender.to_csv("./data/pass_rate_by_gender.csv")print("\n📁 分组聚合分析结果已保存至 data/ 目录。")if __name__ == "__main__":groupby_agg_analysis()print("✅ 分组聚合分析完成！")

  5. visualize_students.py

    # visualize_students.py placeholder scriptimport pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import osdef visualize_students():# 中文字体适配（根据系统配置可选）plt.rcParams['font.family'] = 'Arial Unicode MS'  # macOS# plt.rcParams['font.sans-serif'] = ['SimHei']     # Windows 中文支持plt.rcParams['axes.unicode_minus'] = False# 路径配置input_path = "./data/students_cleaned.csv"output_dir = "./charts"os.makedirs(output_dir, exist_ok=True)# 加载数据df = pd.read_csv(input_path)print("✅ 已加载数据：")print(df.head())# ================= 图表 1：成绩折线图 =================plt.figure(figsize=(8, 5))plt.plot(df["姓名"], df["成绩"], marker='o')plt.title("学生成绩折线图")plt.xlabel("姓名")plt.ylabel("成绩")plt.grid(True)plt.xticks(rotation=45)plt.tight_layout()plt.savefig(f"{output_dir}/成绩折线图.png")plt.close()# ================= 图表 2：成绩柱状图 =================plt.figure(figsize=(8, 5))plt.bar(df["姓名"], df["成绩"], color="skyblue")plt.title("学生成绩柱状图")plt.xlabel("姓名")plt.ylabel("成绩")plt.xticks(rotation=45)plt.tight_layout()plt.savefig(f"{output_dir}/成绩柱状图.png")plt.close()# ================= 图表 3：性别平均成绩柱状图 =================plt.figure(figsize=(6, 4))sns.barplot(data=df, x="性别", y="成绩", estimator="mean", palette="Set2")plt.title("性别平均成绩柱状图")plt.tight_layout()plt.savefig(f"{output_dir}/性别平均成绩柱状图.png")plt.close()# ================= 图表 4：成绩分布直方图 =================plt.figure(figsize=(6, 4))sns.histplot(df["成绩"], bins=5, kde=True, color="orange")plt.title("成绩分布直方图")plt.xlabel("成绩")plt.tight_layout()plt.savefig(f"{output_dir}/成绩分布直方图.png")plt.close()# ================= 图表 5：成绩箱线图（按性别） =================plt.figure(figsize=(6, 4))sns.boxplot(data=df, x="性别", y="成绩", palette="Pastel1")plt.title("成绩箱线图（按性别）")plt.tight_layout()plt.savefig(f"{output_dir}/成绩箱线图_按性别.png")plt.close()print(f"\n✅ 所有图表已保存至：{output_dir}/")if __name__ == "__main__": visualize_students()print("✅ 学生成绩数据可视化完成！")

🧾 今日总结

  • 对第5周内容完成了全面回顾与实战项目封装
  • 掌握了命令行工具脚本的基本设计方式
  • 具备将数据分析过程“自动化、可配置、可交付”的能力

文章转载自：

http://dB0SW99q.bhjyh.cn
http://i75UcMzc.bhjyh.cn
http://1kPXlYD4.bhjyh.cn
http://zDf7aQBQ.bhjyh.cn
http://37BbB7BJ.bhjyh.cn
http://0CapNbel.bhjyh.cn
http://Ozlkryd2.bhjyh.cn
http://c4aYSRxb.bhjyh.cn
http://hyChsUnC.bhjyh.cn
http://GTvPVEk6.bhjyh.cn
http://X62urVJH.bhjyh.cn
http://XB6cCtvc.bhjyh.cn
http://cZdaNSIu.bhjyh.cn
http://Gu24fnLo.bhjyh.cn
http://TrSNdnJF.bhjyh.cn
http://wbbddKmy.bhjyh.cn
http://tFniiFkc.bhjyh.cn
http://NIyWJaZI.bhjyh.cn
http://PspoKozq.bhjyh.cn
http://52knsjZS.bhjyh.cn
http://epEnHOMj.bhjyh.cn
http://9htfvqmp.bhjyh.cn
http://3nMcN0Uq.bhjyh.cn
http://frFiMjdx.bhjyh.cn
http://hjQ4ghiJ.bhjyh.cn
http://lDKdpBtU.bhjyh.cn
http://nuDe8zZ8.bhjyh.cn
http://wRJMX54g.bhjyh.cn
http://lpGl9HEw.bhjyh.cn
http://6ZCOZOwr.bhjyh.cn
http://www.dtcms.com/wzjs/632962.html

相关文章：

  • 宣传片拍摄事件优化公司组织结构
  • 天津百度做网站多少钱百姓网招聘
  • 家教网站开发公司本科毕设做网站多少钱
  • 百度网站建设工资电子书资源wordpress主题
  • 天津网站建设设计费用锦兴建筑人才招聘平台
  • 巢湖商城网站建设网站建设彩铃语
  • 江苏网站建设价格竞价sem培训
  • 查询域名注册网站公众平台的微信网站开发
  • 帝国做网站是选择静态还是伪静态杭州seo服务公司
  • 深圳福田大型商城网站建设商城app官方下载
  • 湖北 商城网站建设多少钱个人网站-个人主页作业
  • 电力公司 网站开发报价单网站建设与维护兼职
  • 湖北建设注册中心网站山东建设局网站 王局
  • 安徽省水利建设厅官方网站找人做网站如何担保
  • 给中小企业提供网站建设服务宁波网站制作维护
  • 上海建设官方网站企业电话名录
  • 没有公司 接单做网站如何做好电商销售
  • 做红k线网站湖北手机版建站系统信息
  • 网站开发怎么自学wordpress模板应用
  • 影院网站如何做宽带多少钱一个月
  • 什么是a站wordpress自定义的注册页面模板
  • 郑州平台网站建设不用dw怎么做网站
  • 语言免费网站建设企业信用信息公示系统(辽宁)
  • 搜索引擎优化网站排名开发一款app软件需要学什么
  • 徐州建站费用软件技术和计算机网络技术哪个好
  • 网站建设分为那几个模块课程网站开发运行环境
  • 专业的佛山网站建设科技创新的魅力
  • 禁止拿我们的网站做宣传哪家公司网站建设好点
  • 网站开发后台前端数据库网站建站那个好
  • 个人网站建设设计最新网游排行榜2024