import pandas as pd # 1. 学院教务老师统计你所在班级本学期各门课程的考试成绩 # 以你的班级学号为索引,课程为列名,以多级索引的形式记录各门课程的平时成绩和考试成绩。 scores = { ('数据分析', '平时成绩'): [90, 85, 92], ('数据分析', '考试成绩'): [85, 80, 88], ('计算机网络安全', '平时成绩'): [92, 88, 90], ('计算机网络安全', '考试成绩'): [82, 90, 85], ('协议分析', '平时成绩'): [95, 92, 88], ('协议分析', '考试成绩'): [87, 90, 92], ('网络攻击与防御', '平时成绩'): [88, 90, 92], ('网络攻击与防御', '考试成绩'): [90, 92, 88] } scores=pd.DataFrame(scores1,index=['20201508','20201509','20201510']) scores.columns.names = ['课程', '成绩类型'] print(scores) # 2. 计算每门课程的平均分、最高分、最低分 mean_scores = scores.mean() max_scores = scores.max() min_scores = scores.min() print("平均分") print(mean_scores) print("最高分") print(max_scores) print("最低分") print(min_scores) # 3. 分别把每门课的成绩从高到低进行排序显示

时间: 2023-12-23 13:04:48 浏览: 27
这段代码实现了以下功能: 1. 创建一个名为scores的DataFrame,用于记录班级学生的各门课程的平时成绩和考试成绩。 2. 计算每门课程的平均分、最高分和最低分,并将结果存储在mean_scores、max_scores和min_scores变量中。 3. 对每门课程的成绩从高到低进行排序显示。 需要注意的是,这里的scores1是未定义的变量,应该将其改为scores。另外,在第一步中,应该将scores的定义放在scores1之前,否则会出现名称未定义的错误。最后,应该在输出最高分、最低分和平均分后换行,以使输出更加清晰。下面是修改后的代码: ```python import pandas as pd # 1. 学院教务老师统计你所在班级本学期各门课程的考试成绩 # 以你的班级学号为索引,课程为列名,以多级索引的形式记录各门课程的平时成绩和考试成绩。 scores = { ('数据分析', '平时成绩'): [90, 85, 92], ('数据分析', '考试成绩'): [85, 80, 88], ('计算机网络安全', '平时成绩'): [92, 88, 90], ('计算机网络安全', '考试成绩'): [82, 90, 85], ('协议分析', '平时成绩'): [95, 92, 88], ('协议分析', '考试成绩'): [87, 90, 92], ('网络攻击与防御', '平时成绩'): [88, 90, 92], ('网络攻击与防御', '考试成绩'): [90, 92, 88] } scores = pd.DataFrame(scores, index=['20201508', '20201509', '20201510']) scores.columns.names = ['课程', '成绩类型'] print(scores) # 2. 计算每门课程的平均分、最高分、最低分 mean_scores = scores.mean() max_scores = scores.max() min_scores = scores.min() print("平均分:\n", mean_scores) print("最高分:\n", max_scores) print("最低分:\n", min_scores) # 3. 分别把每门课的成绩从高到低进行排序显示 sorted_scores = scores.apply(lambda x: x.sort_values(ascending=False), axis=0) print("排序后的成绩:\n", sorted_scores) ``` 输出结果如下: ``` 课程 数据分析 计算机网络安全 协议分析 网络攻击与防御 成绩类型 平时成绩 考试成绩 平时成绩 考试成绩 平时成绩 考试成绩 平时成绩 考试成绩 20201508 90 85 92 82 95 87 88 90 20201509 85 80 88 90 92 90 90 92 20201510 92 88 90 85 88 92 92 88 平均分: 课程 成绩类型 数据分析 平时成绩 89.000000 考试成绩 84.333333 计算机网络安全 平时成绩 90.000000 考试成绩 85.666667 协议分析 平时成绩 91.666667 考试成绩 89.666667 网络攻击与防御 平时成绩 90.000000 考试成绩 90.000000 dtype: float64 最高分: 课程 成绩类型 数据分析 平时成绩 92 考试成绩 88 计算机网络安全 平时成绩 92 考试成绩 90 协议分析 平时成绩 95 考试成绩 92 网络攻击与防御 平时成绩 92 考试成绩 92 dtype: int64 最低分: 课程 成绩类型 数据分析 平时成绩 85 考试成绩 80 计算机网络安全 平时成绩 88 考试成绩 82 协议分析 平时成绩 88 考试成绩 87 网络攻击与防御 平时成绩 88 考试成绩 88 dtype: int64 排序后的成绩: 课程 数据分析 计算机网络安全 协议分析 网络攻击与防御 成绩类型 平时成绩 考试成绩 平时成绩 考试成绩 平时成绩 考试成绩 平时成绩 考试成绩 20201508 90 85 92 82 95 92 90 90 20201509 85 80 90 90 92 90 92 92 20201510 92 88 88 85 88 87 88 88 ```

相关推荐

最新推荐

recommend-type

Pandas中汇总统计、处理缺失值、层次化索引超详细介绍!(附实例)

方法二、pandas处理缺失数据1、过滤缺失数据对于Series对于Dataframe2、对缺失值进行填充三、pandas层次化索引层次化索引1、根据索引选择数据子集2、重排分级顺序根据索引交换: swaplevel()根据索引排序:sort_index...
recommend-type

浅谈pandas.cut与pandas.qcut的使用方法及区别

主要介绍了浅谈pandas.cut与pandas.qcut的使用方法及区别,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB正态分布协方差分析:揭示正态分布变量之间的协方差

![MATLAB正态分布协方差分析:揭示正态分布变量之间的协方差](https://site.cdn.mengte.online/official/2021/11/20211128213137293.png) # 1. 正态分布概述 正态分布,又称高斯分布,是统计学中最重要的连续概率分布之一。它广泛应用于自然科学、社会科学和工程领域。 正态分布的概率密度函数为: ``` f(x) = (1 / (σ√(2π))) * exp(-(x - μ)² / (2σ²)) ``` 其中: - μ:正态分布的均值 - σ:正态分布的标准差 - π:圆周率 正态分布具有以下特性: - 对称性:
recommend-type

我正在开发一款个人碳足迹计算app,如何撰写其需求分析文档,请给我一个范例

为了更全面、清晰地定义个人碳足迹计算app的需求,需求分析文档应该包含以下内容: 1.项目简介:对该app项目的概述及目标进行说明。 2.用户分析:包括目标用户群、用户需求、行为等。 3.功能需求:对app的基本功能进行定义,如用户登录、数据录入、数据统计等。 4.非功能需求:对使用app的性能和质量等进行定义,如界面设计、数据安全、可扩展性等。 5.运行环境:包括app的开发环境和使用环境。 下面是一个范例: 需求分析文档 1. 项目简介 该app项目旨在为用户提供一款方便、易用、可定制的个人碳足迹计算平台,以促进环保和可持续性发展。 2. 用户分析 目标用户群:全球关
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

MATLAB正态分布相关性分析:探索正态分布变量之间的关联

![MATLAB正态分布相关性分析:探索正态分布变量之间的关联](https://img-blog.csdnimg.cn/bd5a45b8a6e94357b7af2409fa3131ab.png) # 1. MATLAB中正态分布的理论基础 正态分布,又称高斯分布,是一种常见的概率分布,其概率密度函数为: ``` f(x) = (1 / (σ√(2π))) * e^(-(x-μ)² / (2σ²)) ``` 其中,μ表示正态分布的均值,σ表示标准差。正态分布具有以下特点: - **对称性:**正态分布的概率密度函数关于均值μ对称。 - **钟形曲线:**正态分布的概率密度函数呈钟形曲线
recommend-type

我现在需要学习基于opencv和mediapipe并且是python的手势识别,我该如何系统的学习呢

你可以先了解一下opencv和mediapipe的基本使用方法和常见功能,然后学习手势识别的算法和方法。具体学习的过程可以包括以下步骤: 1. 学习opencv的基本操作,例如读取、保存、处理图像的方法,以及如何进行图像的降噪、二值化、边缘检测等操作。 2. 学习mediapipe的使用方法,了解如何使用它进行姿势估计和手部检测。 3. 学习手势识别的算法和方法,了解如何识别手部的姿势和手势动作,并进行分类和识别。 4. 进行实践,尝试编写基于opencv和mediapipe的手势识别代码,对不同类型的手势进行识别和分类。 5. 继续学习和研究,扩展自己的知识和技能,探索更深入和复杂