python柱状图、直方图和饼状图统计学生成绩-Toy模板网

这篇具有很好参考价值的文章主要介绍了python柱状图、直方图和饼状图统计学生成绩。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Python的matplotlib库具有很强大的绘图功能，可以利用这个库函数来进行学生成绩统计。假如有一个班的某科学生成绩如表1所示，可以用柱状图、直方图和饼状图三种方式来进行统计分析。下边介绍一下操作步骤。

**表1 学生成绩表**
学号	分数
20221001	61
20221002	68
20221003	74
20221004	70
20221005	53
20221006	66
20221007	66
20221008	71
20221009	67
20221010	84
20221011	79
20221012	73
20221013	64
20221014	90
20221015	81
20221016	82
20221017	77
20221018	51
20221019	78
20221020	75
20221021	69
20221022	83
20221023	56
20221024	73
20221025	93
20221026	63
20221027	80
20221028	76
20221029	80
20221030	74
20221031	72
20221032	88
20221033	62
20221034	85
20221035	86
20221036	58
20221037	72
20221038	72
20221039	70
20221040	91

一、把成绩表转成csv格式

二、统计分析的方法

1、柱状图

2、直方图

3、饼状图

三、实现代码

四、实现效果

一、把成绩表转成csv格式

学号用字段“No.”表示，成绩用“score”，表格名称为“score”。

**表2 成绩表转化为csv格式**
No.	score
20221001	61
20221002	68
20221003	74
20221004	70
20221005	53
20221006	66
20221007	66
20221008	71
20221009	67
20221010	84
20221011	79
20221012	73
20221013	64
20221014	90
20221015	81
20221016	82
20221017	77
20221018	51
20221019	78
20221020	75
20221021	69
20221022	83
20221023	56
20221024	73
20221025	93
20221026	63
20221027	80
20221028	76
20221029	80
20221030	74
20221031	72
20221032	88
20221033	62
20221034	85
20221035	86
20221036	58
20221037	72
20221038	72
20221039	70
20221040	91

二、统计分析的方法

在课程成绩情况统计分析时，可以选则柱状图、直方图和饼状图三种图形。

1、柱状图

使用柱状图分析全班平均分数、最高分数和最低分数。

2、直方图

使用直方图和正态分布曲线分析全班成绩的正态分布情况。

3、饼状图

使用饼状图分析60分以下、60-70分、70-80分、80-90分和90分以上几个分数区间的人数所占比例。

三、实现代码

import pandas as pd  # 引入panda工具集
import numpy as np  # 引入numpy核心库
import matplotlib.pyplot as plt  #引入matplotlib数据可视化库

#声明变量
a=0     #90分以上数量
b=0     #80-90分以上数量
c=0     #70-80分以上数量
d=0     #60-70分以上数量
e=0     #60分以下数量
score_max=0
score_min=100
score_avg=0
score_sum=0

# 正态分布的概率密度函数
#   x      数据集中的某一具体测量值
#   mu     数据集的平均值，反映测量值分布的集中趋势
#   sigma  数据集的标准差，反映测量值分布的分散程度
def normfun(x, mu, sigma):
    pdf = np.exp(-((x - mu) ** 2) / (2 * sigma ** 2)) / (sigma * np.sqrt(2 * np.pi))
    return pdf

if __name__ == '__main__':
    
    data = pd.read_csv('score.csv') # 载入分数数据文件
    score = data['score'] # 获得分数数据集
    student_no = data['No.'] # 获得学号数据集
    mean = score.mean() # 获得分数数据集的平均值
    std = score.std()   # 获得分数数据集的标准差

   #计算分数总和、各分数区间数量统计
    for i in range(0,len(score)):
        score0=int(score[i])
                
        #print(student_no[i],score0)
        score_sum=score_sum+score0  #计算分数之和，为求平均数做准备

        #计算最大值
        if score0>score_max:
            score_max=score0

        #计算最小值
        if score0<score_min:
            score_min=score0

        
        if score0>=90:              #统计90分以上数量
            a=a+1
        elif score0>=80:            #统计80分以上数量
            b=b+1
        elif score0>=70:            #统计70分以上数量
            c=c+1
        elif score0>=60:            #统计60分以上数量
            d=d+1
        else:                       #统计60分以下数量
            e=e+1

    score_avg=score_sum/len(score)  #平均分
    scores=[a,b,c,d,e]              #分数区间统计
    
    

    # 柱形图柱形的宽度
    bar_width = 0.3
    

    # 设定X轴：前两个数字是x轴的起止范围，第三个数字表示步长，步长设定得越小，画出来的正态分布曲线越平滑
    x = np.arange(0, 100, 1)

    # 设定Y轴，正态分布函数
    y = normfun(x, mean, std)

    # 设定柱状图x轴、Y轴数组
    x3 = np.arange(3)
    y3 = np.array([score_avg,score_max,score_min])
    

    # 绘制分数数据集的正态分布曲线和直方图（5分档）
    plt.subplot(221)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('分数分布(5档)')
    plt.plot(x, y)
    plt.hist(score, bins=5, rwidth=0.9, density=True)
    plt.xlabel('分数')
    plt.ylabel('概率')
    

    # 绘制分数数据集的正态分布曲线和直方图（10分档）
    plt.subplot(222)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('分数分布(10档)')
    plt.plot(x, y)   
    plt.hist(score, bins=10, rwidth=0.9, density=True)
    plt.xlabel('分数')
    plt.ylabel('概论')


    # 绘制柱形图
    plt.subplot(223)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('分数统计')
    plt.bar(x3, y3, tick_label=['平均分', '最高分', '最低分'], width=bar_width)

    # 绘制饼状图
    plt.subplot(224)
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('分数段饼图')
    plt.pie(scores,labels=['90分以上','80-90分','70-80分','60-70分','60分以下'])
    # 输出四幅图
plt.show()