计算每个学生成绩最相似的10个学生 有一个学生成绩的csv文件（学生成绩.csv），部分数据如下图所示： 1） 请使用pandas读取学生成绩，并打印前5行； 2） 打印学生成绩的形状； 3） 计算每个学生成绩最相似的10个学生，并保存到excel表格当中。

好的，我们来一步步实现这个需求。

首先是第一步，使用 Pandas 读取学生成绩文件并打印前5行。请确保你已经安装了 Pandas 库。下面是代码实现：

import pandas as pd

# 读取csv文件
df = pd.read_csv('学生成绩.csv')

# 打印前5行
print(df.head())

接下来是第二步，打印学生成绩的形状。代码如下：

# 打印学生成绩的形状
print(df.shape)

最后是第三步，计算每个学生成绩最相似的10个学生，并保存到 Excel 表格中。代码如下：

from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

# 计算相似度矩阵
similarity_matrix = cosine_similarity(df.values[:, 1:])

# 取出每个学生最相似的10个学生的索引
top_10_similar_students = np.argsort(similarity_matrix, axis=1)[:, -11:-1]

# 将结果保存到Excel表格中
result_df = pd.DataFrame(top_10_similar_students, columns=[f'top_{i}' for i in range(1, 11)])
result_df.to_excel('每个学生成绩最相似的10个学生.xlsx', index=False)

完整代码如下：

import pandas as pd
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

# 读取csv文件
df = pd.read_csv('学生成绩.csv')

# 打印前5行
print(df.head())

# 打印学生成绩的形状
print(df.shape)

# 计算相似度矩阵
similarity_matrix = cosine_similarity(df.values[:, 1:])

# 取出每个学生最相似的10个学生的索引
top_10_similar_students = np.argsort(similarity_matrix, axis=1)[:, -11:-1]

# 将结果保存到Excel表格中
result_df = pd.DataFrame(top_10_similar_students, columns=[f'top_{i}' for i in range(1, 11)])
result_df.to_excel('每个学生成绩最相似的10个学生.xlsx', index=False)