kaggle案例重复：学生在考试中的表现数据集简单探索

• 2020 年 3 月 3 日
• 筆記

原文地址 https://www.kaggle.com/rajwardhanshinde/data-analysis-and-predicting-percentage/notebook

数据集包括8个变量

• gender 性别
• race/ethnicity 种族
• parental level of education 父母教育水平
• lunch 午餐
• test preparation course （不太明白这个指标）
• math score 数学
• reading score 阅读
• writting score 写作

第一步：简单查看数据

import pandas as pd  sp = pd.read_csv("StudentsPerformance.csv") #读入数据  sp.head() #查看数据前5行  sp.isnull().sum() #查看数据是否包括缺失值  sp.gender.value_counts() #value_counts()函数显示唯一值及其出现次数  sp['Percentage'] = sp['math score'] + sp['reading score'] + sp['writing score']  sp['Percentage'] = sp['Percentage'] / 3 #数据框增加一列平均成绩  sp.sample(10) #随机选取10行查看  sorted_df = sp.sort_values(by='Percentage', ascending=False)#排序  

原文还增加了一列Result，意为三门课程成绩任意一门低于35分即为‘挂科’，否则为通过；自己暂时还不知道该如何实现增加这一列。原文也提到了尝试时他也遇到了错误。如果以一个指标作为依据实现起来就比较简单；比如是平均成绩小于35即为挂科的话，可以用如下语句实现

import numpy as np  np.where(sp['Percentage'] < 35, 'F' , "P" )  

和R语言里的ifelse()语句有些像 根据平均成绩来划分ABCDEF

def Grading(x):      if x >= 80:          return 'A'      if x >= 70:          return 'B'      if x >= 60:          return 'C'      if x >= 50:          return 'D'      if x >= 35:          return 'E'      else:          return 'F'    sp['Grade'] = sp.apply(lambda x : Grading(x['Percentage']), axis=1) #这条语句没有看明白  sp.head(10)  

第二步：简单的数据可视化

父母的教育水平是否会影响孩子的成绩

import matplotlib.pyplot as plt  import seaborn as sns  plt.figure(figsize=(20,10))  sns.set(style='whitegrid', palette='coolwarm', font_scale=1.2)  sns.barplot(data=sp, x='parental level of education', y='Percentage')  plt.ylim([0,100])  plt.savefig('1.png')  

这类数据通过箱线图展示可能会更为直观

plt.figure(figsize=(20,10))  sns.boxplot(data=sp, x='parental level of education', y='Percentage')  plt.ylim([0,100])  plt.savefig('2.png')  

取得不同成绩的学生人数

plt.figure(figsize=(20,10))  sns.countplot(data=sp, x='Grade', order=['A','B','C','D','E','F'])  plt.savefig('3.png')  

簇状柱形图展示不同父母教育水平取得不同成绩的人数（这句话怎么这么别扭呢？）

plt.figure(figsize=(20,10))  sns.countplot(data=sp, x='parental level of education', hue='Grade')  plt.savefig('4.png')  

不同的午餐学生成绩

plt.figure(figsize=(20,10))  sns.countplot(data=sp, x='lunch', hue='Grade')  plt.savefig('5.png')  

今天就先到这里吧！

下一个kaggle案例

https://www.kaggle.com/mcevatb/logistic-regression-hw1

逻辑斯蒂回归分类