[已解决]Python应用实训1

liyifeng295641

学院教务处需要设计一款教学系统，该系统可以实现学生成绩的上传、修改和查询，并可以形成班级学生的数据分析报表，包括课程最高分，最低分，不及格人数，优秀率，合格率等信息，能通过数据可视化更直观展现班级学情状况，并将数据报表保存为CSV格式。基本要求如下：
（1）针对项目需求，设计解决方案。
（2）通过Numpy或Pandas随机生成班级原始数据CSV文件，原始数据学生人数不少于100条，课程信息不少于3门，成绩分布0-100分。
（3）能按需上传，修改，查询学生信息。
（4）能实现数据的可视化。
（5）将分析报表保存为CSV格式。

最佳答案

月排行榜 / 总排行榜

FishC

2024-1-15 09:12:25

针对这个需求，你可以按照以下步骤设计解决方案：

1. 创建一个学生类，包含学生的姓名、学号、课程成绩等信息。
2. 创建一个班级类，包含班级的名称、学生列表等信息。该类应该提供方法来添加学生、修改学生成绩、查询学生成绩等功能。
3. 使用Numpy或Pandas库，随机生成班级的原始数据，并将数据保存为CSV文件。
4. 创建一个数据分析类，包含对班级成绩进行统计和分析的方法，如计算最高分、最低分、不及格人数、优秀率、合格率等。
5. 使用Matplotlib库进行数据可视化，将班级成绩分布等信息以图表形式展示，例如直方图、饼图等。
6. 将数据分析报表保存为CSV格式，使用Python的CSV模块来实现文件的读写操作。

下面是一个简单的示例代码，帮助你开始实现这个教学系统：

1. import random
   
2. import numpy as np
   
3. import pandas as pd
   
4. import matplotlib.pyplot as plt
   
5. 
   
6. class Student:
   
7.     def __init__(self, name, student_id):
   
8.         self.name = name
   
9.         self.student_id = student_id
   
10.         self.scores = {}
    
11. 
    
12.     def set_score(self, course, score):
    
13.         self.scores[course] = score
    
14. 
    
15.     def get_score(self, course):
    
16.         return self.scores.get(course)
    
17. 
    
18.     def get_all_scores(self):
    
19.         return self.scores
    
20. 
    
21. class Class:
    
22.     def __init__(self, name):
    
23.         self.name = name
    
24.         self.students = []
    
25. 
    
26.     def add_student(self, student):
    
27.         self.students.append(student)
    
28. 
    
29.     def get_student(self, student_id):
    
30.         for student in self.students:
    
31.             if student.student_id == student_id:
    
32.                 return student
    
33.         return None
    
34. 
    
35. class DataAnalysis:
    
36.     def __init__(self, class_obj):
    
37.         self.class_obj = class_obj
    
38.    
    
39.     def calculate_highest_score(self, course):
    
40.         highest_score = -1
    
41.         for student in self.class_obj.students:
    
42.             score = student.get_score(course)
    
43.             if score is not None and score > highest_score:
    
44.                 highest_score = score
    
45.         return highest_score
    
46. 
    
47.     def calculate_lowest_score(self, course):
    
48.         lowest_score = 101
    
49.         for student in self.class_obj.students:
    
50.             score = student.get_score(course)
    
51.             if score is not None and score < lowest_score:
    
52.                 lowest_score = score
    
53.         return lowest_score
    
54. 
    
55.     def calculate_failed_students(self, course):
    
56.         count = 0
    
57.         for student in self.class_obj.students:
    
58.             score = student.get_score(course)
    
59.             if score is not None and score < 60:
    
60.                 count += 1
    
61.         return count
    
62. 
    
63.     def calculate_excellent_rate(self, course):
    
64.         count = 0
    
65.         for student in self.class_obj.students:
    
66.             score = student.get_score(course)
    
67.             if score is not None and score >= 90:
    
68.                 count += 1
    
69.         return count / len(self.class_obj.students) * 100
    
70. 
    
71.     def calculate_pass_rate(self, course):
    
72.         count = 0
    
73.         for student in self.class_obj.students:
    
74.             score = student.get_score(course)
    
75.             if score is not None and score >= 60:
    
76.                 count += 1
    
77.         return count / len(self.class_obj.students) * 100
    
78. 
    
79.     def data_visualization(self, course):
    
80.         scores = []
    
81.         for student in self.class_obj.students:
    
82.             score = student.get_score(course)
    
83.             if score is not None:
    
84.                 scores.append(score)
    
85.         plt.hist(scores, bins=10, range=(0, 100))
    
86.         plt.title(f"Distribution of Scores for {course}")
    
87.         plt.xlabel("Score")
    
88.         plt.ylabel("Number of Students")
    
89.         plt.show()
    
90. 
    
91.     def save_report_as_csv(self, filename):
    
92.         data = []
    
93.         header = ["Name", "Student ID"]
    
94.         for student in self.class_obj.students:
    
95.             header += list(student.get_all_scores().keys())
    
96.             break
    
97.         data.append(header)
    
98.         for student in self.class_obj.students:
    
99.             row = [student.name, student.student_id]
    
100.             for score in student.get_all_scores().values():
     
101.                 row.append(score)
     
102.             data.append(row)
     
103.         df = pd.DataFrame(data)
     
104.         df.to_csv(filename, index=False)
     
105. 
     
106. # 随机生成班级的原始数据
     
107. courses = ["Math", "English", "Python"]
     
108. class_obj = Class("Class A")
     
109. for i in range(1, 101):
     
110.     name = f"Student{i}"
     
111.     student_id = f"S{i}"
     
112.     student = Student(name, student_id)
     
113.     for course in courses:
     
114.         score = random.randint(0, 100)
     
115.         student.set_score(course, score)
     
116.     class_obj.add_student(student)
     
117. 
     
118. # 查询学生成绩
     
119. student = class_obj.get_student("S1")
     
120. if student is not None:
     
121.     score = student.get_score("Math")
     
122.     print(f"The score of {student.name} in Math is {score}")
     
123. 
     
124. # 修改学生成绩
     
125. student = class_obj.get_student("S1")
     
126. if student is not None:
     
127.     student.set_score("Math", 90)
     
128. 
     
129. # 进行数据分析和可视化
     
130. data_analysis = DataAnalysis(class_obj)
     
131. highest_score_math = data_analysis.calculate_highest_score("Math")
     
132. lowest_score_math = data_analysis.calculate_lowest_score("Math")
     
133. failed_students_math = data_analysis.calculate_failed_students("Math")
     
134. excellent_rate_english = data_analysis.calculate_excellent_rate("English")
     
135. pass_rate_python = data_analysis.calculate_pass_rate("Python")
     
136. data_analysis.data_visualization("Math")
     
137. 
     
138. # 保存数据报表
     
139. data_analysis.save_report_as_csv("class_report.csv")

复制代码

这个示例代码演示了如何创建学生类、班级类，随机生成班级的原始数据，并进行学生成绩的上传、修改和查询。然后，使用数据分析类对班级成绩进行统计和分析，并通过Matplotlib库将数据可视化展示。最后，将分析报表保存为CSV格式。你可以根据实际需求进行修改和扩展。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

跳转到最佳答案楼层

FishC

针对这个需求，你可以按照以下步骤设计解决方案：

1. 创建一个学生类，包含学生的姓名、学号、课程成绩等信息。
2. 创建一个班级类，包含班级的名称、学生列表等信息。该类应该提供方法来添加学生、修改学生成绩、查询学生成绩等功能。
3. 使用Numpy或Pandas库，随机生成班级的原始数据，并将数据保存为CSV文件。
4. 创建一个数据分析类，包含对班级成绩进行统计和分析的方法，如计算最高分、最低分、不及格人数、优秀率、合格率等。
5. 使用Matplotlib库进行数据可视化，将班级成绩分布等信息以图表形式展示，例如直方图、饼图等。
6. 将数据分析报表保存为CSV格式，使用Python的CSV模块来实现文件的读写操作。

下面是一个简单的示例代码，帮助你开始实现这个教学系统：

1. import random
   
2. import numpy as np
   
3. import pandas as pd
   
4. import matplotlib.pyplot as plt
   
5. 
   
6. class Student:
   
7.     def __init__(self, name, student_id):
   
8.         self.name = name
   
9.         self.student_id = student_id
   
10.         self.scores = {}
    
11. 
    
12.     def set_score(self, course, score):
    
13.         self.scores[course] = score
    
14. 
    
15.     def get_score(self, course):
    
16.         return self.scores.get(course)
    
17. 
    
18.     def get_all_scores(self):
    
19.         return self.scores
    
20. 
    
21. class Class:
    
22.     def __init__(self, name):
    
23.         self.name = name
    
24.         self.students = []
    
25. 
    
26.     def add_student(self, student):
    
27.         self.students.append(student)
    
28. 
    
29.     def get_student(self, student_id):
    
30.         for student in self.students:
    
31.             if student.student_id == student_id:
    
32.                 return student
    
33.         return None
    
34. 
    
35. class DataAnalysis:
    
36.     def __init__(self, class_obj):
    
37.         self.class_obj = class_obj
    
38.    
    
39.     def calculate_highest_score(self, course):
    
40.         highest_score = -1
    
41.         for student in self.class_obj.students:
    
42.             score = student.get_score(course)
    
43.             if score is not None and score > highest_score:
    
44.                 highest_score = score
    
45.         return highest_score
    
46. 
    
47.     def calculate_lowest_score(self, course):
    
48.         lowest_score = 101
    
49.         for student in self.class_obj.students:
    
50.             score = student.get_score(course)
    
51.             if score is not None and score < lowest_score:
    
52.                 lowest_score = score
    
53.         return lowest_score
    
54. 
    
55.     def calculate_failed_students(self, course):
    
56.         count = 0
    
57.         for student in self.class_obj.students:
    
58.             score = student.get_score(course)
    
59.             if score is not None and score < 60:
    
60.                 count += 1
    
61.         return count
    
62. 
    
63.     def calculate_excellent_rate(self, course):
    
64.         count = 0
    
65.         for student in self.class_obj.students:
    
66.             score = student.get_score(course)
    
67.             if score is not None and score >= 90:
    
68.                 count += 1
    
69.         return count / len(self.class_obj.students) * 100
    
70. 
    
71.     def calculate_pass_rate(self, course):
    
72.         count = 0
    
73.         for student in self.class_obj.students:
    
74.             score = student.get_score(course)
    
75.             if score is not None and score >= 60:
    
76.                 count += 1
    
77.         return count / len(self.class_obj.students) * 100
    
78. 
    
79.     def data_visualization(self, course):
    
80.         scores = []
    
81.         for student in self.class_obj.students:
    
82.             score = student.get_score(course)
    
83.             if score is not None:
    
84.                 scores.append(score)
    
85.         plt.hist(scores, bins=10, range=(0, 100))
    
86.         plt.title(f"Distribution of Scores for {course}")
    
87.         plt.xlabel("Score")
    
88.         plt.ylabel("Number of Students")
    
89.         plt.show()
    
90. 
    
91.     def save_report_as_csv(self, filename):
    
92.         data = []
    
93.         header = ["Name", "Student ID"]
    
94.         for student in self.class_obj.students:
    
95.             header += list(student.get_all_scores().keys())
    
96.             break
    
97.         data.append(header)
    
98.         for student in self.class_obj.students:
    
99.             row = [student.name, student.student_id]
    
100.             for score in student.get_all_scores().values():
     
101.                 row.append(score)
     
102.             data.append(row)
     
103.         df = pd.DataFrame(data)
     
104.         df.to_csv(filename, index=False)
     
105. 
     
106. # 随机生成班级的原始数据
     
107. courses = ["Math", "English", "Python"]
     
108. class_obj = Class("Class A")
     
109. for i in range(1, 101):
     
110.     name = f"Student{i}"
     
111.     student_id = f"S{i}"
     
112.     student = Student(name, student_id)
     
113.     for course in courses:
     
114.         score = random.randint(0, 100)
     
115.         student.set_score(course, score)
     
116.     class_obj.add_student(student)
     
117. 
     
118. # 查询学生成绩
     
119. student = class_obj.get_student("S1")
     
120. if student is not None:
     
121.     score = student.get_score("Math")
     
122.     print(f"The score of {student.name} in Math is {score}")
     
123. 
     
124. # 修改学生成绩
     
125. student = class_obj.get_student("S1")
     
126. if student is not None:
     
127.     student.set_score("Math", 90)
     
128. 
     
129. # 进行数据分析和可视化
     
130. data_analysis = DataAnalysis(class_obj)
     
131. highest_score_math = data_analysis.calculate_highest_score("Math")
     
132. lowest_score_math = data_analysis.calculate_lowest_score("Math")
     
133. failed_students_math = data_analysis.calculate_failed_students("Math")
     
134. excellent_rate_english = data_analysis.calculate_excellent_rate("English")
     
135. pass_rate_python = data_analysis.calculate_pass_rate("Python")
     
136. data_analysis.data_visualization("Math")
     
137. 
     
138. # 保存数据报表
     
139. data_analysis.save_report_as_csv("class_report.csv")

复制代码

这个示例代码演示了如何创建学生类、班级类，随机生成班级的原始数据，并进行学生成绩的上传、修改和查询。然后，使用数据分析类对班级成绩进行统计和分析，并通过Matplotlib库将数据可视化展示。最后，将分析报表保存为CSV格式。你可以根据实际需求进行修改和扩展。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。