前段時間一直沒有更新公眾號，不是因為懶，而是一直在憋一個大招。
加入“邊楚女特級教師工作站”以后，邊老師給我們小組分配的任務(wù)是為必修一《數(shù)據(jù)與計算》第四章準備教學(xué)資料，我負責(zé)“編程處理數(shù)據(jù)”這一塊。Python語言我接觸挺長一段時間了，之前主要研究海龜繪圖，使用Python編程進行數(shù)據(jù)分析和可視化對我來說也是一個新的挑戰(zhàn)，numpy、pandas和matplotlib模塊都要一點一點學(xué)起來。
項目式學(xué)習(xí)不是空喊口號，做項目確實是學(xué)習(xí)編程的最佳途徑，我自己就是這樣一步步成長起來的。為了更好地掌握使用Python編程進行數(shù)據(jù)分析和可視化的方法，我精心挑選了3個難度適中的項目（主要是已有大量數(shù)據(jù)，不需要花大力氣在采集數(shù)據(jù)上），從零開始，實踐了數(shù)據(jù)分析和可視化的過程，在踩坑填坑的過程中，一點點提高技術(shù)水平，對pandas和matplotlib模塊有了較為深刻的理解。
現(xiàn)在我以項目分析報告的形式，把自己做的一些東西拿出來與大家分享，希望各位老師多多批評指正。
“普通高中選課數(shù)據(jù)分析和可視化”項目分析報告
通過項目設(shè)計，初步掌握數(shù)據(jù)采集、數(shù)據(jù)整理、數(shù)據(jù)分析和數(shù)據(jù)可視化的方法，領(lǐng)悟數(shù)據(jù)的價值、數(shù)據(jù)分析和數(shù)據(jù)可視化的意義。學(xué)會使用Python語言編寫程序，解決實際問題，掌握程序調(diào)試與運行的方法。通過小組合作完成項目活動，提升團隊協(xié)作、與人溝通分享的能力。浙江省高考總成績包含必考科目成績（語數(shù)外3門）和選考科目成績（7選3）。其中選考科目為物理、化學(xué)、生物、政治、歷史、地理、技術(shù)（含信息技術(shù)和通用技術(shù)），選考科目在首次報考該科目時確定，每科最多報考2次。學(xué)生可以根據(jù)興趣、性格、能力和價值觀確定自己的意向?qū)I(yè)范圍，從7門科目中選擇3門作為高考選考科目。為全面了解某市普高學(xué)生選考科目情況，分析每所學(xué)校各科目選考的總?cè)藬?shù)、全市各科選考總?cè)藬?shù)及其占比，并進一步分析各選課組合的總?cè)藬?shù)和占比情況，從而幫助學(xué)校教務(wù)處進行分班管理并引導(dǎo)學(xué)生合理選課。根據(jù)浙江教育出版社提供的信息技術(shù)學(xué)科資源，我們下載了某市高中選課數(shù)據(jù)csv文件（如下圖所示），要求使用Python編程對該數(shù)據(jù)進行分析并可視化。（1）從csv文件中讀取數(shù)據(jù)，統(tǒng)計分析7門選考科目中各科目選考的總?cè)藬?shù)及比例，并將結(jié)果保存到Excel文件中；（2）繪制各校各科選考人數(shù)柱狀圖、堆積柱狀圖、餅圖、雷達圖和散點圖；（3）從csv文件中讀取數(shù)據(jù)，統(tǒng)計分析各校7選3選課組合總?cè)藬?shù)及比例，并做數(shù)據(jù)可視化分析（繪制柱狀圖、堆積柱狀圖和餅圖）；（4）從csv文件中讀取數(shù)據(jù)，生成各校報名Excel文件；讀取各校原始excel報名文件，合成學(xué)生選課組合信息，并按照組班人數(shù)要求，生成7選3固定班級和生成7選2固定班級名單。項目包含了3個主要部分：單科數(shù)據(jù)分析和可視化處理、選課組合數(shù)據(jù)分析和可視化處理、生成各校固定班級名冊。相應(yīng)的具體實現(xiàn)過程，在之后的篇幅中詳細介紹。 本項目數(shù)據(jù)量較大，功能較為復(fù)雜，根據(jù)程序設(shè)計的模塊化思想，我們將程序進行功能的模塊化，將每個功能模塊設(shè)置成單個文件，以便查詢和管理。以下是各個功能模塊的核心代碼分析和輸出截圖：我們引用了第三方庫pandas從csv文件中讀取某市16所普通高中選課匯總數(shù)據(jù)。pandas是python的一個數(shù)據(jù)分析包，它基于numpy模塊，提供了大量處理數(shù)據(jù)的函數(shù)和方法，是專用于解決數(shù)據(jù)分析任務(wù)的強大工具。我們使用語句importpandas as pd引入庫，然后打開"xk73.csv"文件，讀取某市普通高中選課匯總數(shù)據(jù)，存儲到DataFrame對象df中；然后按學(xué)校分組計數(shù)，并對分組計數(shù)結(jié)果進行合計和百分比計算，增加“合計”和“百分比”行；最后把處理結(jié)果存儲到"學(xué)校人數(shù)統(tǒng)計.xlsx"文件中。圖2 各校各科選考人數(shù)統(tǒng)計圖核心代碼（完整代碼詳見源代碼文件“7選3單科數(shù)據(jù)處理.py”）：#讀數(shù)據(jù)到 Pandas的DataFrame 結(jié)構(gòu)中df = pd.read_csv("xk73.csv",sep=',',header='infer',encoding='utf-8')#按學(xué)校分組計數(shù) sc = df.groupby('學(xué)校代碼',as_index=False).count()# 對分組計數(shù)結(jié)果進行合計，合計結(jié)果轉(zhuǎn)換為DataFrame結(jié)構(gòu)并轉(zhuǎn)置為行df_sum = pd.DataFrame(data=sc.sum()).Tdf_sum['學(xué)校代碼'] = '合計'result = sc.append(df_sum)
說明：因為本項目內(nèi)容較多，故寫成系列文章分成多次分享，請大家稍安勿躁哦。
需要本文word版或者相關(guān)源代碼的，可以加入“Python算法之旅”知識星球參與討論和下載文件，“Python算法之旅”知識星球匯集了數(shù)量眾多的同好，更多有趣的話題在這里討論，更多有用的資料在這里分享。
我們專注Python算法，感興趣就一起來！
相關(guān)優(yōu)秀文章：
閱讀代碼和寫更好的代碼
最有效的學(xué)習(xí)方式
