趙 圓 圓

(石家莊職業(yè)技術(shù)學(xué)院 信息工程系,河北 石家莊 050081)

Python語言是一種簡單易學(xué)、擁有豐富庫的開源腳本語言,在人工智能、網(wǎng)絡(luò)爬蟲、數(shù)據(jù)分析等方面有著非常廣泛的應(yīng)用.本文使用Python 語言的第三方庫對學(xué)生成績進(jìn)行處理和分析,繪制出雷達(dá)圖、散點圖和餅狀圖,供教師進(jìn)行可視化分析,為課程教學(xué)效果的評估提供參考依據(jù).

1 Python語言及第三方庫

1.1 Python語言

程序設(shè)計語言包含機器語言、匯編語言和高級語言.機器語言指的是二進(jìn)制語言,是計算機可以直接執(zhí)行的程序設(shè)計語言,直接使用機器語言編寫程序比較繁瑣.匯編語言是一種比較低級的程序設(shè)計語言,不同的計算機結(jié)構(gòu)使用的匯編指令不同,所以在使用過程中具有一定的局限性[1].高級語言比較接近自然語言,在不同結(jié)構(gòu)的計算機上描述問題、解決問題的表述方式相同.高級語言分為靜態(tài)語言和腳本語言,靜態(tài)語言采用編譯執(zhí)行的方式,腳本語言采用解釋執(zhí)行的方式.Python語言簡單易學(xué)、可移植、可擴展[2].Python語言因其擁有的優(yōu)勢,在2021年8月的TIOBE編程語言排行榜上位居第二[3].

1.2 第三方庫

Python語言擁有Numpy(科學(xué)計算庫)、Matplotlib(數(shù)據(jù)可視化庫)、Pandas(數(shù)據(jù)分析庫)等專業(yè)功能強大的第三方庫,為人工智能領(lǐng)域進(jìn)行科學(xué)的數(shù)據(jù)分析提供了較好的方法[4].

1.2.1 Numpy

Numpy是Python語言中最常用的可以實現(xiàn)高性能科學(xué)計算和數(shù)據(jù)分析的庫,使用該庫可以生成一個Ndarray對象,該對象為具有矢量運算和復(fù)雜廣播能力的多維數(shù)組,無需使用循環(huán)語句就可對整組數(shù)據(jù)進(jìn)行快速運算.本文使用Ndarray對象存儲和處理班級、課程名稱數(shù)組,班級、課程成績及平均成績數(shù)組.

1.2.2 Matplotlib

Matplotlib是Python語言中繪制數(shù)組的2D 圖形庫,具有強大的數(shù)據(jù)可視化繪圖功能.它源于數(shù)學(xué)軟件Matlab,有獨特的優(yōu)勢.Matplotlib開源免費,雖然它屬于Python 語言的擴展模塊,但它繼承了Python語言的面向?qū)ο笠鬃x、易維護(hù)等特點.Matplotlib提供子模塊pyplot,該模塊中封裝了一套類似Matlab命令式的繪圖函數(shù),為編程開發(fā)人員提供了接口.開發(fā)人員只要調(diào)用pyplot模塊中的函數(shù),就可以快速繪圖及設(shè)置圖表的各種需求.pyplot模塊包含了一組快速生成基礎(chǔ)圖表的函數(shù),可以生成直方圖、條形圖、箱線圖和雷達(dá)圖等[5].本文使用pyplot模塊中的polar()函數(shù)對各班級、各門課程學(xué)生的平均成績進(jìn)行雷達(dá)圖的繪制,并以Python 程序設(shè)計課程成績?yōu)槔?進(jìn)行散點圖和餅狀圖的繪制.

1.2.3 Pandas

Pandas是Python 語言中常用的基于Numpy的數(shù)據(jù)分析模塊,該模塊納入了大量的庫和標(biāo)準(zhǔn)數(shù)據(jù)模型,提供了快速高效、具有默認(rèn)和自定義索引的Series對象和DataFrame對象,支持在內(nèi)存數(shù)據(jù)結(jié)構(gòu)和不同文件格式中讀取和寫入數(shù)據(jù),并進(jìn)行快速、便捷處理,最終生成可視化圖表.本文使用Pandas從存放成績的Excel表格中導(dǎo)入學(xué)生成績,且對異常數(shù)據(jù)進(jìn)行清洗.

2 數(shù)據(jù)處理

某學(xué)校2019級計算機網(wǎng)絡(luò)技術(shù)專業(yè)1班、2班和3班的學(xué)生第四學(xué)期期末考試后,教師需要處理和分析每個班6門專業(yè)課程(網(wǎng)絡(luò)設(shè)備調(diào)試、Linux系統(tǒng)操作與管理、數(shù)據(jù)恢復(fù)技術(shù)、網(wǎng)絡(luò)安全基礎(chǔ)、融合通信技術(shù)、Python程序設(shè)計)的成績,利用成績數(shù)據(jù)繪制評估圖,包含各班級、各門課程成績評估雷達(dá)圖.本文以Python 程序設(shè)計課程成績?yōu)槔L制的散點圖和餅狀圖.

2.1 數(shù)據(jù)樣本

將學(xué)生成績存放到Excel表格中,3個班的Python程序設(shè)計課程成績存放的文件名為“scores+班級號”,例如,scores1.xlsx代表1班的Python程序設(shè)計課程成績,文件中表頭包含序號、學(xué)號、姓名、平時成績、期末考試成績、實驗成績和綜合成績等7列數(shù)據(jù).每個班6門專業(yè)課的平均成績存放在averagesscores.xlsx文件中.

2.2 數(shù)據(jù)處理流程

數(shù)據(jù)處理流程包含4個模塊,分別為打開文件模塊、獲取數(shù)據(jù)模塊、數(shù)據(jù)處理模塊和數(shù)據(jù)可視化模塊.數(shù)據(jù)處理流程圖見圖1.

2.2.1 打開文件模塊

打開存放課程平均成績的averagesscores.xlsx文件,進(jìn)行讀寫操作.Pandas提供了一系列讀寫不同格式文件的函數(shù),導(dǎo)入Pandas模塊,使用read_excel()函數(shù)以只讀方式打開文件,并將讀取的數(shù)據(jù)存放到DataFrame對象“df_obj”中.實現(xiàn)代碼如下:

import pandas as pd

df_obj=pd.read_excel(r′E:averagescore.xlsx′)

程序運行后會得到存放每個班級每門專業(yè)課程平均成績的數(shù)據(jù),將其存放到“df_obj”對象中.同樣使用read_excel()函數(shù)分別打開存放各班級Python程序設(shè)計課程成績的文件,1班、2班、3班的實現(xiàn)代碼分別為:

df_obj1=pd.read_excel(r′E:scores1.xlsx′)

df_obj2=pd.read_excel(r′E:scores2.xlsx′)

df_obj3=pd.read_excel(r′E:scores3.xlsx′)

將讀取到的存放各班Python程序設(shè)計課程學(xué)習(xí)成績的文件數(shù)據(jù)分別存放到“df_obj1”,“df_obj2”和“df_obj3”對象中.

圖1 數(shù)據(jù)處理流程圖

2.2.2 獲取數(shù)據(jù)模塊

2.2.2.1 獲取雷達(dá)圖數(shù)據(jù)模塊

從存放平均成績的“df_obj”對象中讀取繪制雷達(dá)圖的指標(biāo)和數(shù)據(jù).

(1)讀取課程名稱、班級名稱數(shù)組,確定分析指標(biāo)

從文件中獲取到的數(shù)據(jù)包含行與列的名稱和成績,輸出從文件中讀取的“df_obj”數(shù)據(jù),見圖2.從數(shù)據(jù)中可以看出,課程名稱是DataFrame對象中的列索引,但不包含班級列索引,故通過DataFrame的屬性columns獲取列標(biāo)簽,再篩選出除了班級列索引以外的其他課程名稱,將篩選出的課程名稱存放到列表中.

圖2 原始數(shù)據(jù)輸出截圖

關(guān)鍵代碼如下:

columns=df_obj.column

course=[]#定義一個列表來存儲最后的課程名稱

for i in range(0,7):#循環(huán)遍歷

if i! =0:

course.append(columns[i])#篩選出需要的課程名稱,并將課程名稱放到新的numpy數(shù)組中

程序運行完后可獲取到課程名稱數(shù)組,截圖見圖3.

圖3 課程名稱數(shù)組截圖

獲取班級名稱,班級名稱是DataFrame對象的第一列數(shù)據(jù).通過ilco屬性獲取到第一列數(shù)據(jù),列序列默認(rèn)從0開始,iloc屬性以二維矩陣的位置指標(biāo)(即0,1,2,…)作為參數(shù)來獲取某行的數(shù)據(jù).比如,iloc[0]表示獲取到的第一行數(shù)據(jù),通過iloc[:,n]獲取第n+1列的數(shù)據(jù).獲得第一列班級名稱后,需要將它轉(zhuǎn)換為一維數(shù)組,關(guān)鍵代碼如下:

df_clas=df_obj.iloc[:,0]

clas=df_clas.values #獲取到班級數(shù)組

獲取的班級數(shù)組截圖見圖4.

圖4 班級數(shù)組截圖

(2)讀取平均成績,收集指標(biāo)數(shù)據(jù)

指標(biāo)數(shù)據(jù)是指原始數(shù)據(jù)中3個班級6門專業(yè)課程的平均成績數(shù)據(jù),即第二列至第六列數(shù)據(jù).使用iloc[:,1:7]命令獲取第二列到第六列數(shù)據(jù)后,將數(shù)據(jù)存儲到DataFrame對象中,使用屬性value獲得由數(shù)據(jù)組成的數(shù)組,并對數(shù)據(jù)進(jìn)行行列互換,得到6行3列的指標(biāo)數(shù)據(jù).關(guān)鍵代碼如下:

df_scores=df_obj.iloc[:,1:7]

data_scores=df_scores.values#返回DataFrame對象包含數(shù)據(jù)的數(shù)組,獲取到我們的數(shù)據(jù)

#行列互換才能得到繪圖的數(shù)據(jù)

scores=data_scores.T

最終指標(biāo)數(shù)據(jù)截圖見圖5.

圖5 指標(biāo)數(shù)據(jù)截圖

2.2.2.2 獲取散點圖數(shù)據(jù)模塊

以Python程序設(shè)計課程成績?yōu)槔?繪制各班成績散點圖.在原始數(shù)據(jù)文件scores1.xlsx,scores2.xlsx和scores3.xlsx中包含序號、學(xué)號、姓名、平時成績、期末成績、實驗成績和綜合成績7列數(shù)據(jù),繪制散點圖只使用序號和綜合成績兩列數(shù)據(jù),顯示學(xué)生成績的離散情況.本文以獲取1班學(xué)生的Python程序設(shè)計課程成績?yōu)槔齺矸治錾Ⅻc圖的數(shù)據(jù),具體實現(xiàn)代碼如下:

#獲取某列的數(shù)據(jù)

num1=df_obj1.iloc[:,0]#序號列

score7=df_obj1.iloc[:,6]#綜合成績列

通過DataFrame類型的“df_obj”對象的iloc屬性來獲取某行或某列的數(shù)據(jù),上述代碼中下標(biāo)0代表第一列,即獲取序號列數(shù)據(jù),下標(biāo)6代表第七列,即獲取綜合成績列數(shù)據(jù).同理,使用“df_obj2”對象的屬性、“df_obj3”對象的iloc屬性即可獲取2班和3班Python程序設(shè)計課程成績的散點圖數(shù)據(jù).

2.2.2.3 獲取餅狀圖數(shù)據(jù)模塊

以獲取1班學(xué)生的Python程序設(shè)計課程的綜合成績?yōu)槔?獲取各班級學(xué)生的Python 程序設(shè)計課程綜合成績的餅狀圖數(shù)據(jù),具體實現(xiàn)代碼如下:score7=df_obj1.iloc[:,6]#綜合成績列

通過DataFrame類型的“df_obj”對象的iloc屬性的下標(biāo)6獲取第七列綜合成績列的數(shù)據(jù).最終要根據(jù)綜合成績所在分?jǐn)?shù)段范圍([0,60)分、[60,70)分、[70,80)分、[80,90)分、[90,100]分)的人數(shù)繪制餅狀圖.在獲取綜合成績列的基礎(chǔ)上,需要統(tǒng)計綜合成績在不同分?jǐn)?shù)段的人數(shù)占比,實現(xiàn)代碼如下:

x1=[a/df_obj.size*100,b/df_obj.size*100,c/df_obj.size*100,d/df_obj.size*100,e/df_obj.size*100]

其中,代碼中變量a代表1 班綜合成績在[90,100]分的人數(shù);變量b代表綜合成績在[80,90)分的人數(shù);變量c代表綜合成績在[70,80)分的人數(shù);變量d代表綜合成績在[60,70)分的人數(shù);變量e代表綜合成績在[0,60)分的人數(shù);序列x1存儲的是各分?jǐn)?shù)段范圍的人數(shù)占總?cè)藬?shù)的百分比.

同理,分別使用“df_obj2”對象和“df_obj3”對象的iloc屬性獲取2班和3班學(xué)生的Python程序設(shè)計課程的綜合成績,進(jìn)行不同分?jǐn)?shù)段范圍的人數(shù)統(tǒng)計并計算占比,存到序列x2和x3中.

2.2.3 數(shù)據(jù)處理模塊

讀取的數(shù)據(jù)中可能會帶有一些無效值,需將無效值替換為有效值.需要檢查是否有空值,若有空值,使用具體值0替換所有的空值.關(guān)鍵代碼如下:

df_obj.isnull()

df_obj.fillna(0)

2.2.4 數(shù)據(jù)可視化模塊

2.2.4.1 繪制雷達(dá)圖

(1)將圓周等分

先獲取數(shù)據(jù)的長度,命令為data_length=len(course),再將圓周等分為data_length份,關(guān)鍵代碼如下:

angles=np.linspace(0,2*np.pi,data_length,endpoint=False)

從0到2π,分成data_length等份.

(2)數(shù)據(jù)角度拼接,首尾相連

將數(shù)據(jù)和角度進(jìn)行拼接,首尾閉合.關(guān)鍵代碼如下:

scores= np.concatenate((scores,[scores[0]]))

angles= np.concatenate((angles,[angles[0]]))

course=np.concatenate((course,[course[0]]))

(3)繪制雷達(dá)圖

所有數(shù)據(jù)閉合后,使用polar繪制雷達(dá)圖.命令為plt.polar(angles,scores,′o-′,linewidth=3),第一個參數(shù)是角度,第二個參數(shù)是分?jǐn)?shù),第三和第四個參數(shù)是線條樣式.

(4)設(shè)置角度和網(wǎng)格標(biāo)簽

設(shè)置極坐標(biāo)的標(biāo)簽,并將標(biāo)簽放在六角形的頂點上.關(guān)鍵代碼如下:

plt.thetagrids(angles*180/np.pi,course,fontproperties=′simhei′)

plt.title(′成績評估′)設(shè)置圖的題目

plt.legend(clas,loc=(0.94,0.80),labelspacing=0.1)設(shè)置圖例

設(shè)置中文字符核心實現(xiàn)代碼如下:

plt.rcParams[′font.sans-serif′]=[′Sim Hei′]

plt.rcParams[′axes.unicode_minus′]=False

最后使用show()函數(shù)顯示成績評估雷達(dá)圖.

2.2.4.2 繪制散點圖

使用Matplotlib的pyplot模塊中scatter()函數(shù)繪制各班Python程序設(shè)計課程成績分布的散點圖.1班學(xué)生Python程序設(shè)計課程成績分布散點圖的具體實現(xiàn)代碼如下:

plt.scatter(num1,score7,s=50,c=′black′,marker=′o′,alpha=0.5)#散點圖

plt.title(“成績分布圖”)

其中,scatter函數(shù)的第一個參數(shù)num1是1班學(xué)生的Python 程序設(shè)計課程的第一列序號列數(shù)據(jù),第二個參數(shù)score7是綜合成績列數(shù)據(jù),第三個參數(shù)s=50設(shè)置的是散點圖中點的大小,第四個參數(shù)c=′black′設(shè)置散點圖中點的顏色為黑色,第五個參數(shù)market=′o′用于設(shè)置點的形狀,第六個參數(shù)alpha=0.5用于設(shè)置透明度,title屬性設(shè)置散點圖的標(biāo)題.

同理,可以繪制2班和3班學(xué)生的Python程序設(shè)計課程成績分布散點圖.

2.2.4.3 繪制餅狀圖

利用Matplotlib的pyplot模塊中pie()函數(shù)繪制各班學(xué)生Python程序設(shè)計課程不同分?jǐn)?shù)段成績的餅狀圖.以1班為例,具體實現(xiàn)代碼如下:

plt.pie(x1,labels=labels,autopct=′%3.2f%%′)

plt.axis(′equal′)

plt.title(“成績分布餅圖”)

plt.legend()

plt.show()

其中,pie()函數(shù)常用3個參數(shù),第一個參數(shù)x1是1班學(xué)生Python程序設(shè)計課程成績在不同分?jǐn)?shù)段的占比.“plt.axis(′equal′)”表示 繪圖的x軸和y軸范圍相同.title屬性設(shè)置餅狀圖的標(biāo)題.legend()函數(shù)為設(shè)置圖像圖例.“plt.show()”命令顯示繪制的圖像.

同理,可以繪制2班和3班學(xué)生Python程序設(shè)計課程成績在不同分?jǐn)?shù)段的餅狀圖.

3 成績分析與評估

在Python3.9 IDLE 下運行程序,繪制出各班級、各課程的平均成績雷達(dá)圖,見圖6.繪制各班Python程序設(shè)計課程成績分布散點圖,見圖7-9.繪制各班Python 程序設(shè)計課程成績分布餅狀圖,見圖10-12.

圖6 各班級、各課程的平均成績雷達(dá)圖

圖7 1班Python程序設(shè)計課程成績分布散點圖

圖8 2班Python程序設(shè)計課程成績分布散點圖

圖9 3班Python程序設(shè)計課程成績分布散點圖

圖10 1班Python程序設(shè)計課程成績分布餅狀圖

圖11 2班Python程序設(shè)計課程成績分布餅狀圖

圖12 3班Python程序設(shè)計課程成績分布餅狀圖

雷達(dá)圖、散點圖和餅狀圖可以輔助教師從不同角度對學(xué)生成績進(jìn)行分析.

通過雷達(dá)圖可以全方位地看到3個班每門課程的平均成績及每個班級的優(yōu)勢科目和劣勢科目.從圖6可以看出,1班與其他兩個班相比,優(yōu)勢課程是融合通信技術(shù),劣勢課程是網(wǎng)絡(luò)安全基礎(chǔ);2班與其他兩個班相比,優(yōu)勢課程是網(wǎng)絡(luò)設(shè)備調(diào)試,劣勢課程相對不明顯;3班的相對優(yōu)勢課程是網(wǎng)絡(luò)基礎(chǔ)安全,相對劣勢課程是數(shù)據(jù)恢復(fù)技術(shù).

通過散點圖,可以直觀地看出各班學(xué)生成績的離散情況.從圖7-9可以看出,每個班大部分學(xué)生的成績都及格,而3班Python程序設(shè)計課程成績不及格的偏多,且低分學(xué)生相比另外兩個班數(shù)量也多,但是最高分也在其中.

通過餅狀圖可以看出,每個班級學(xué)生的成績分布情況.從圖10-11可以看出,1班和2班學(xué)生成績分布相對合理,大多集中在[60,90)分;在[0,60)分的,1班和2班人數(shù)較3班少,說明這兩個班學(xué)生對課程內(nèi)容掌握得比較扎實.從圖12可以看出,3班[0,60)分學(xué)生人數(shù)和[90～100]分的學(xué)生人數(shù)占比和其他分?jǐn)?shù)段范圍的人數(shù)占比相當(dāng),并未呈現(xiàn)出正態(tài)分布,說明該班學(xué)生出現(xiàn)輕微的兩極分化現(xiàn)象;[0～60)分學(xué)生的人數(shù)占比較高,達(dá)25.81%,說明3班的低分學(xué)生較多,課程學(xué)習(xí)效果相對差一些.

4 結(jié)語

本文利用Python語言的第三方庫對學(xué)生成績進(jìn)行處理和分析,繪制出各班級、各課程成績的雷達(dá)圖、散點圖和餅狀圖,從不同角度直觀地反映學(xué)生的學(xué)習(xí)情況,幫助教師對比分析各個班級、各門課程的知識掌握情況及學(xué)習(xí)狀態(tài),指導(dǎo)教師有針對性地調(diào)整教學(xué)內(nèi)容、教學(xué)計劃等,以達(dá)到較好的教學(xué)效果.