kaggle案例重複：學生在考試中的表現數據集簡單探索

• 2020 年 3 月 3 日
• 筆記

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

數據集包括8個變數

• gender 性別
• race/ethnicity 種族
• parental level of education 父母教育水平
• lunch 午餐
• test preparation course （不太明白這個指標）
• math score 數學
• reading score 閱讀
• writting score 寫作

第一步：簡單查看數據

import pandas as pd  sp = pd.read_csv("StudentsPerformance.csv") #讀入數據  sp.head() #查看數據前5行  sp.isnull().sum() #查看數據是否包括缺失值  sp.gender.value_counts() #value_counts()函數顯示唯一值及其出現次數  sp['Percentage'] = sp['math score'] + sp['reading score'] + sp['writing score']  sp['Percentage'] = sp['Percentage'] / 3 #數據框增加一列平均成績  sp.sample(10) #隨機選取10行查看  sorted_df = sp.sort_values(by='Percentage', ascending=False)#排序  

原文還增加了一列Result，意為三門課程成績任意一門低於35分即為『掛科』，否則為通過；自己暫時還不知道該如何實現增加這一列。原文也提到了嘗試時他也遇到了錯誤。如果以一個指標作為依據實現起來就比較簡單；比如是平均成績小於35即為掛科的話，可以用如下語句實現

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

和R語言里的ifelse()語句有些像 根據平均成績來劃分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) #這條語句沒有看明白  sp.head(10)  

第二步：簡單的數據可視化

父母的教育水平是否會影響孩子的成績

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')  

這類數據通過箱線圖展示可能會更為直觀

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

取得不同成績的學生人數

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

簇狀柱形圖展示不同父母教育水平取得不同成績的人數（這句話怎麼這麼彆扭呢？）

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

不同的午餐學生成績

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

今天就先到這裡吧！

下一個kaggle案例

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

邏輯斯蒂回歸分類