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。 并写出其IPO过程

IPO过程如下：

输入：学生成绩.csv文件。

处理：

1. 使用pandas库读取csv文件，将其转换为DataFrame格式。

2. 计算每个学生成绩与其他学生的相似性，可使用余弦相似度或欧式距离等算法。

3. 对于每个学生，选出相似度最大的前10个学生。

4. 将结果保存到excel表格中。

输出：相似度最大的前10个学生的信息保存在excel表格中。

以下是代码实现：

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

# 读取学生成绩
df = pd.read_csv("学生成绩.csv")

# 打印前5行
print(df.head())

# 打印形状
print(df.shape)

# 计算每个学生成绩与其他学生的相似度
similarity_matrix = cosine_similarity(df.iloc[:, 1:])

# 选出相似度最大的前10个学生
top_k = 10
similar_students = []
for i in range(df.shape[0]):
    similar_scores = sorted(list(enumerate(similarity_matrix[i])), key=lambda x: x[1], reverse=True)
    similar_students.append([j[0] for j in similar_scores[1:top_k+1]])

# 将结果保存到excel表格中
result_df = pd.DataFrame({'学生编号': df.iloc[:, 0], '相似学生': [np.array(similar_students[i])+1 for i in range(df.shape[0])]})
result_df.to_excel('学生相似度排名.xlsx', index=False)