Python读取两份excel中的所有学生成绩,通过matplotlib将两份表格分别生成以10为区间的分数段两个直方图,通过pandas分析统计数据,将学生两次成绩进行对比,通过matplotlib生成以10为区间的分数段直方图,将生成的图表保存为图片文件,导入到word并添加一段描述学生成绩升降的文字,最后将生成的文字和图片写入到新的word,在程序中应基于图形用户界面实现,通过菜单About (关于) 进行查看

时间: 2023-06-12 11:04:24 浏览: 75
以下是一个Python程序示例,可以实现读取两份excel中的所有学生成绩,通过matplotlib将两份表格分别生成以10为区间的分数段两个直方图,通过pandas分析统计数据,将学生两次成绩进行对比,通过matplotlib生成以10为区间的分数段直方图,将生成的图表保存为图片文件,导入到word并添加一段描述学生成绩升降的文字,最后将生成的文字和图片写入到新的word,同时程序界面可以通过菜单About进行查看。 ```python import pandas as pd import matplotlib.pyplot as plt from tkinter import * from tkinter import filedialog from docx import Document from docx.shared import Inches # 创建Tkinter界面 root = Tk() root.title("学生成绩分析") root.geometry("500x500") # 定义全局变量 df1 = pd.DataFrame() df2 = pd.DataFrame() df3 = pd.DataFrame() file1 = "" file2 = "" # 定义函数 def open_file1(): global df1, file1 file1 = filedialog.askopenfilename(filetypes=[("Excel文件", "*.xlsx")]) if file1: df1 = pd.read_excel(file1) label1.config(text="已选择文件:" + file1) def open_file2(): global df2, file2 file2 = filedialog.askopenfilename(filetypes=[("Excel文件", "*.xlsx")]) if file2: df2 = pd.read_excel(file2) label2.config(text="已选择文件:" + file2) def generate_histogram(): global df1, df2, df3 if not df1.empty and not df2.empty: # 合并两份成绩表格 df3 = pd.concat([df1, df2], axis=0) df3.reset_index(drop=True, inplace=True) # 绘制两份成绩表格的分数段直方图 fig, ax = plt.subplots() ax.hist(df1['分数'], bins=range(0, 101, 10), alpha=0.5, label='第一次成绩') ax.hist(df2['分数'], bins=range(0, 101, 10), alpha=0.5, label='第二次成绩') ax.set_xlabel('分数段') ax.set_ylabel('人数') ax.set_title('两次成绩分数段分布') ax.legend() plt.show() def generate_comparison_histogram(): global df3 if not df3.empty: # 分别取出第一次和第二次成绩 first_score = df3.iloc[:len(df1), 1] second_score = df3.iloc[len(df1):, 1] # 绘制两次成绩的分数段直方图 fig, ax = plt.subplots() ax.hist(first_score, bins=range(0, 101, 10), alpha=0.5, label='第一次成绩') ax.hist(second_score, bins=range(0, 101, 10), alpha=0.5, label='第二次成绩') ax.set_xlabel('分数段') ax.set_ylabel('人数') ax.set_title('两次成绩分数段分布') ax.legend() plt.show() def generate_report(): global df1, df2, df3 if not df1.empty and not df2.empty and not df3.empty: # 统计两次成绩的平均分、最高分、最低分和标准差 first_mean = df1['分数'].mean() first_max = df1['分数'].max() first_min = df1['分数'].min() first_std = df1['分数'].std() second_mean = df2['分数'].mean() second_max = df2['分数'].max() second_min = df2['分数'].min() second_std = df2['分数'].std() # 比较两次成绩的平均分、最高分、最低分和标准差 mean_change = second_mean - first_mean max_change = second_max - first_max min_change = second_min - first_min std_change = second_std - first_std # 将学生成绩升降的文字和图片写入到新的word document = Document() document.add_heading('学生成绩分析报告', 0) document.add_paragraph('第一次成绩统计:') document.add_paragraph('平均分:%.2f' % first_mean) document.add_paragraph('最高分:%d' % first_max) document.add_paragraph('最低分:%d' % first_min) document.add_paragraph('标准差:%.2f' % first_std) document.add_paragraph('第二次成绩统计:') document.add_paragraph('平均分:%.2f' % second_mean) document.add_paragraph('最高分:%d' % second_max) document.add_paragraph('最低分:%d' % second_min) document.add_paragraph('标准差:%.2f' % second_std) document.add_paragraph('成绩升降:') document.add_paragraph('平均分:%.2f' % mean_change) document.add_paragraph('最高分:%d' % max_change) document.add_paragraph('最低分:%d' % min_change) document.add_paragraph('标准差:%.2f' % std_change) document.add_picture('histogram.png', width=Inches(6)) document.save('report.docx') # 创建菜单 menubar = Menu(root) about_menu = Menu(menubar, tearoff=0) about_menu.add_command(label="关于", command=lambda: messagebox.showinfo("关于", "本程序基于Python实现")) menubar.add_cascade(label="About", menu=about_menu) # 添加控件 label1 = Label(root, text="请打开第一份成绩表格") label1.pack() button1 = Button(root, text="选择文件", command=open_file1) button1.pack() label2 = Label(root, text="请打开第二份成绩表格") label2.pack() button2 = Button(root, text="选择文件", command=open_file2) button2.pack() histogram_button = Button(root, text="生成分数段直方图", command=generate_histogram) histogram_button.pack() comparison_histogram_button = Button(root, text="生成成绩对比直方图", command=generate_comparison_histogram) comparison_histogram_button.pack() report_button = Button(root, text="生成学生成绩分析报告", command=generate_report) report_button.pack() # 显示界面 root.config(menu=menubar) root.mainloop() ``` 在程序中,通过Tkinter实现了一个简单的图形用户界面,用户可以通过打开文件按钮选择两份成绩表格,并通过生成分数段直方图、生成成绩对比直方图和生成学生成绩分析报告按钮进行相关操作。其中,生成学生成绩分析报告按钮会将学生成绩升降的文字和图片写入到新的word中,生成的图片文件保存为histogram.png。在程序中也添加了一个关于菜单,用户可以通过点击菜单About进行查看。

相关推荐

import numpy as np import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.family']='SimHei' stuScore=np.loadtxt(r'C:\Users\86130\Desktop\student_score.csv',delimiter='.') sumEach=np.sum(stuScore[:,1:],axis=1) #返回每个学生三门课程总分 avgEachCourse=np.average(stuScore[:,1:],axis=0)#返回所有学生每门课程平均分maxMath-np.max(stuScore ,1]) #返回高数的最高分 maxEng=np.max(stuScore[:2]) #返回英语的最高分 maxPython=np.max(stuScore[:,3])#返回Pyhon的最高分 minMath=np.min(stuScore[:,1]) #返回高数的最低分 minEng=np.min(stuScorc[:,2]) minPython=np.min(stuScore[:,3])#返回Pyhon的最低分 print("每个学生的三门课程总分:") print(sumEach) print("所有学生的每门课程平均分:") print(avgEachCourse) print("每门课程的最意分:") print (maxMath, maxEng,maxPython) print("每门课程的最低分:") print(minMath,minEng.ninPython) mathScore=stuScore[:,1] #北取产数成绩 engScore=stuScorel[:,2] pythonScore-stuScore[:,3]# 取Pyhon成绩 plt.suptitle("课程成结分布百方图") #为当前绘图区添加标题 #绘制高数成绩直方图 plt.subplot(3,1,1) plt.hist('mathScorc,bins=10,range=(0,100),color=red')#绘制直方图,从0到100分成10段plt.xlabel(高数成绩分数段)#设置x轴标签 plt.ylabel('人数')#设置y轴标签 plt.xlim(O,100)#设置x抽区间 plt.xticks([o,10,20,30,40,50,60,70,80,90,100])#设置x轴刻度 plt.yticks([0,2, 4,6,8,10,12,14,16,18,20])#设置y轴刻度 olt.eridO #设置网格线 #绘制英语成绩直方图 plt.subolot(3,1,2) plt.hist('engScore,bins=10,range=(0,100),color= grcen')#同上 plt.xlabel("英语成绩分数段") plt.ylabel(人数) plt.xlim(0.100) plt.xticks([0,10,20,30,40.50,60,70,80,90,100]) plt.yticks([0,2,4,6,8,10,12,14,16,18,20]) plt.grid() #绘制Pyhon成绩直方图 plt.subplot(3,1,3) plt.hist(pythonScore,bins=10,range=(0,100))#同上 plt.xlabel("Pyhon成绩分数段") plt.ylabel("人数") plt.xlim(0,100) pit. xticks([0,10,20,30,40,50,60,70,80,90,100]) plt.yticks([0, 2, 4,6, 8.10, 12, 14,16,18,20]) plt.grid() plt.show()帮我检查代码哪里出错了

最新推荐

recommend-type

Python matplotlib读取excel数据并用for循环画多个子图subplot操作

总之,这个示例展示了如何使用Python结合matplotlib和xlrd库处理Excel数据,然后通过for循环和subplot功能创建多个子图,以便于对比不同学校或不同科目的成绩。这在数据可视化和分析中非常实用,特别是在教育或类似...
recommend-type

python matplotlib库直方图绘制详解

Python的matplotlib库是数据可视化的重要工具,尤其在绘制直方图方面表现得尤为出色。直方图是一种统计报告图,由一系列高度不等的纵向条纹或线段表示数据分布的情况。在这里,我们将深入探讨如何使用matplotlib库...
recommend-type

Python使用matplotlib实现的图像读取、切割裁剪功能示例

在Python编程中,matplotlib库是用于数据可视化的重要工具,它提供了丰富的图像绘制功能,包括图像的读取、显示以及编辑。本示例将详细介绍如何利用matplotlib实现图像的读取、切割和裁剪。 首先,我们需要导入...
recommend-type

python读取并定位excel数据坐标系详解

这段代码的核心功能是读取Excel文件中的数据,然后用这些数据生成一个散点图,每个点的坐标对应于Excel文件中的某一行的前两个值。这对于数据探索和简单的可视化很有用。 总的来说,Python的`xlrd`库提供了方便的...
recommend-type

使用Python中的matplotlib库读取csv文件绘制混合图

Python代码 import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl data = pd.read_csv('taobao_data.csv', index_col='\u4f4d\u7f6e') data.drop(['宝贝', '卖家'], inplace=True, axis=1...
recommend-type

基于Springboot的医院信管系统

"基于Springboot的医院信管系统是一个利用现代信息技术和网络技术改进医院信息管理的创新项目。在信息化时代,传统的管理方式已经难以满足高效和便捷的需求,医院信管系统的出现正是适应了这一趋势。系统采用Java语言和B/S架构,即浏览器/服务器模式,结合MySQL作为后端数据库,旨在提升医院信息管理的效率。 项目开发过程遵循了标准的软件开发流程,包括市场调研以了解需求,需求分析以明确系统功能,概要设计和详细设计阶段用于规划系统架构和模块设计,编码则是将设计转化为实际的代码实现。系统的核心功能模块包括首页展示、个人中心、用户管理、医生管理、科室管理、挂号管理、取消挂号管理、问诊记录管理、病房管理、药房管理和管理员管理等,涵盖了医院运营的各个环节。 医院信管系统的优势主要体现在:快速的信息检索,通过输入相关信息能迅速获取结果;大量信息存储且保证安全,相较于纸质文件,系统节省空间和人力资源;此外,其在线特性使得信息更新和共享更为便捷。开发这个系统对于医院来说,不仅提高了管理效率,还降低了成本,符合现代社会对数字化转型的需求。 本文详细阐述了医院信管系统的发展背景、技术选择和开发流程,以及关键组件如Java语言和MySQL数据库的应用。最后,通过功能测试、单元测试和性能测试验证了系统的有效性,结果显示系统功能完整,性能稳定。这个基于Springboot的医院信管系统是一个实用且先进的解决方案,为医院的信息管理带来了显著的提升。"
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

字符串转Float性能调优:优化Python字符串转Float性能的技巧和工具

![字符串转Float性能调优:优化Python字符串转Float性能的技巧和工具](https://pic1.zhimg.com/80/v2-3fea10875a3656144a598a13c97bb84c_1440w.webp) # 1. 字符串转 Float 性能调优概述 字符串转 Float 是一个常见的操作,在数据处理和科学计算中经常遇到。然而,对于大规模数据集或性能要求较高的应用,字符串转 Float 的效率至关重要。本章概述了字符串转 Float 性能调优的必要性,并介绍了优化方法的分类。 ### 1.1 性能调优的必要性 字符串转 Float 的性能问题主要体现在以下方面
recommend-type

Error: Cannot find module 'gulp-uglify

当你遇到 "Error: Cannot find module 'gulp-uglify'" 这个错误时,它通常意味着Node.js在尝试运行一个依赖了 `gulp-uglify` 模块的Gulp任务时,找不到这个模块。`gulp-uglify` 是一个Gulp插件,用于压缩JavaScript代码以减少文件大小。 解决这个问题的步骤一般包括: 1. **检查安装**:确保你已经全局安装了Gulp(`npm install -g gulp`),然后在你的项目目录下安装 `gulp-uglify`(`npm install --save-dev gulp-uglify`)。 2. **配置
recommend-type

基于Springboot的冬奥会科普平台

"冬奥会科普平台的开发旨在利用现代信息技术,如Java编程语言和MySQL数据库,构建一个高效、安全的信息管理系统,以改善传统科普方式的不足。该平台采用B/S架构,提供包括首页、个人中心、用户管理、项目类型管理、项目管理、视频管理、论坛和系统管理等功能,以提升冬奥会科普的检索速度、信息存储能力和安全性。通过需求分析、设计、编码和测试等步骤,确保了平台的稳定性和功能性。" 在这个基于Springboot的冬奥会科普平台项目中,我们关注以下几个关键知识点: 1. **Springboot框架**: Springboot是Java开发中流行的应用框架,它简化了创建独立的、生产级别的基于Spring的应用程序。Springboot的特点在于其自动配置和起步依赖,使得开发者能快速搭建应用程序,并减少常规配置工作。 2. **B/S架构**: 浏览器/服务器模式(B/S)是一种客户端-服务器架构,用户通过浏览器访问服务器端的应用程序,降低了客户端的维护成本,提高了系统的可访问性。 3. **Java编程语言**: Java是这个项目的主要开发语言,具有跨平台性、面向对象、健壮性等特点,适合开发大型、分布式系统。 4. **MySQL数据库**: MySQL是一个开源的关系型数据库管理系统,因其高效、稳定和易于使用而广泛应用于Web应用程序,为平台提供数据存储和查询服务。 5. **需求分析**: 开发前的市场调研和需求分析是项目成功的关键,它帮助确定平台的功能需求,如用户管理、项目管理等,以便满足不同用户群体的需求。 6. **数据库设计**: 数据库设计包括概念设计、逻辑设计和物理设计,涉及表结构、字段定义、索引设计等,以支持平台的高效数据操作。 7. **模块化设计**: 平台功能模块化有助于代码组织和复用,包括首页模块、个人中心模块、管理系统模块等,每个模块负责特定的功能。 8. **软件开发流程**: 遵循传统的软件生命周期模型,包括市场调研、需求分析、概要设计、详细设计、编码、测试和维护,确保项目的质量和可维护性。 9. **功能测试、单元测试和性能测试**: 在开发过程中,通过这些测试确保平台功能的正确性、模块的独立性和系统的性能,以达到预期的用户体验。 10. **微信小程序、安卓源码**: 虽然主要描述中没有详细说明,但考虑到标签包含这些内容,可能平台还提供了移动端支持,如微信小程序和安卓应用,以便用户通过移动设备访问和交互。 这个基于Springboot的冬奥会科普平台项目结合了现代信息技术和软件工程的最佳实践,旨在通过信息化手段提高科普效率,为用户提供便捷、高效的科普信息管理服务。