序号,姓名,平时成绩,实验成绩,期末成绩

1,张三,95,A,81

2,李四,94,B,60

3,王五,95,C,87

4,马七,97,D,75

5,梦雪,97,A,63

6,樱花,94,A,66

7,杏子,94,A,28

8,天涯,99,A,76

9,孔维,94,B,84

10,赵四,95,D,86

11,孙二,100,C,60

12,,98,,

13,太良,98,D,83

14,丁云,95,D,83

15,淑萍,98,D,80

16,溪美,98,C,53

17,泰山,96,A,67

18,梅花,,A,64

19,梅六,98,B,68

20,云霞,96,B,85

序号姓名平时成绩实验成绩期末成绩

1 张三 95 A 81

2 李四 94 B 60

3 王五 95 C 87

4 马七 97 D 75

5 梦雪 97 A 63

6 樱花 94 A 66

7 杏子 94 A 28

8 天涯 99 A 76

9 孔维 94 B 84

10 赵四 95 D 86

11 孙二 100 C 60

12 98

13 太良 98 D 83

14 丁云 95 D 83

15 淑萍 98 D 80

16 溪美 98 C 53

17 泰山 96 A 67

18 梅花 A 64

19 梅六 98 B 68

20 云霞 96 B 85

三、代码实现

1.从18.student_score.csv文件中读取同学的成绩册，处理好缺失值。

import pandas as pd
# 绘图需要使用的库
from matplotlib import pyplot as plt

# 从18.student_score.csv文件中读取同学的成绩册，处理好缺失值
df = pd.read_csv("18.student_score.csv")
df.set_index("序号", inplace=True)  # 将序号作为index索引
df['姓名'].fillna('老六', inplace=True)
df = df.fillna(method="bfill")  # 处理缺失值：backfill / bfill表示用后面行的值，填充当前行的空值
# print(df)

输出的结果（print（df））：

2.将实验报告成绩从ABCD转换成百分制，统计出实验成绩。A为90分，B为75分，C为60分，D为40分。

# 将实验报告成绩从ABCD转换成百分制，统计出实验成绩。A为90分，B为75分，C为60分，D为40分。
for x in df.index:
    if df.loc[x, "实验成绩"] == 'A':
        df.loc[x, "实验成绩"] = 90
    if df.loc[x, "实验成绩"] == 'B':
        df.loc[x, "实验成绩"] = 75
    if df.loc[x, "实验成绩"] == 'C':
        df.loc[x, "实验成绩"] = 60
    if df.loc[x, "实验成绩"] == 'D':
        df.loc[x, "实验成绩"] = 40
# print(df)

输出的结果（print（df））：

3.按照平时成绩20%，实验成绩30%，期末成绩50%的比例计算综合成绩，形成新的综合成绩列。

# 按照平时成绩20%，实验成绩30%，期末成绩50%的比例计算综合成绩，形成新的综合成绩列。
df["综合成绩"] = df["平时成绩"] * 0.2 + df["实验成绩"] * 0.3 + df["期末成绩"] * 0.5
print(df)
# 统计全班综合成绩[90,100],[80,89],[70,79],[60-69],[0,59]各段成绩的人数，并画饼图。
num = pd.cut(df['综合成绩'], bins=[0, 60, 70, 80, 90, 100], labels=['0-59', '60-69', '70-79', '80-89', '90-100'],
             right=False)  # bins为分区的分界值，labels为相应区间的标签
counts = num.value_counts()  # 统计区间人数
# print(counts)

输出的结果：print（df）

print（counts）：

4.统计全班综合成绩[90,100],[80,89],[70,79],[60-69],[0,59]各段成绩的人数并画饼图。

plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文字体
plt.pie(counts, autopct='%1.1f%%')# autopct后面的值1.1表示保留2位小数
plt.legend(labels=['70-79', '80-89', '60-69', '0-59', '90-100'], loc="best")  # 绘制图的图例为name，位置为最佳
plt.title("学生综合成绩区间分布图")  # 饼图的名称
plt.show()

输出的结果：

5.将完整的成绩保存到score.csv文件中，打开excel检查输出是否正确。

# 完整的成绩保存到score.csv文件中，打开excel检查输出是否正确。
df.to_csv('score.csv', encoding='utf-8-sig')
# “utf-8-sig"中sig全拼为 signature 也就是"带有签名的utf-8”,
# 因此"utf-8-sig"读取带有BOM的"utf-8文件时"会把BOM单独处理,与文本内容隔离开,也是我们期望的结果。