Python分析学校四六级过关情况

这段时间看了数据分析方面的内容，对Python中的numpy和pandas有了最基础的了解。我知道如果我不用这些技能做些什么的话，很快我就会忘记。想起之前群里发过一个学校的四六级成绩表，正好可以用来熟悉一下pandas中的一些用法。

1.数据介绍。

成绩表中包含的字段十分详细，里面有年级、性别、姓名、分数等等的一系列内容，我只想简单的分析一下我们学校的四六级过关率而已，所以去除了一些不必要的字段。留下的有如下几个字段：

第一列是自增的序号，没有什么实际意义。

第二列就是代表着该学生参加的是四级还是六级。

第三列是我们学校的院系名称。

第四列是学校院系的各个专业。

第五列是年级，13代表着2013年入学。

第六列是性别。

后面的三列分别是总分、听力、阅读、写作等。

其中总分为0的都是缺考的。一共有接近9000条数据（没有报名的不在其中）。

2.预期结果。

我想利用这些数据最终通过图标的形式展示出以下几点：

1.各个学院的四六级平均分。

2.各个学院的四六级过关人数。

3.各个学院的各个年级过关人数。

4.各个年级的过关人数。

5.男生女生分别过关人数。

最终结果：

各个学院的四六级过关人数：

3.实现过程。

（1）导入依赖包。

程序分别使用了pandas进行分组转换，和matplotlib提供的绘图功能。

import pandas as pdimport matplotlib.pylab as plt

（2）加载数据。

想要分析数据自然要得到数据了，我将整理的数据存放在sj.xls中，是一个Excel类型的数据。
这一步使用pandas的read_excel即可，生成一个DataFrame对象。

#加载全部数据sj = pd.read_excel(r'F:/DataAnalysis/sj.xls')

加载完之后输出一下看看内容：

除了排版没有对齐之外其他都一样。

（3）统计各个学院平均分。

在这里就可以完成我们预期的第一个结果：

各个学院的四六级平均分：

想要各个学院的情况当然是要根据学院来进行分组了，同时也需要分出“CET4”和“CET6”两组。使用groupby即可，这样会生成一个SeriesGroupBy对象，然后再调用mean函数（默认是轴0计算，也就是我们想要的结果）即可统计出平均分情况。

#按照各个学院进行分组xymean = sj['总分'].groupby([sj['院系名称'],sj['语言级别']])#计算各个学院的平均分数xymean = xymean.mean()