某校某院学生信息分析

目录

• 1. 分析设计
• 2. 数据收集
• 3. 数据处理
• 4. 数据分析
• 5. 数据展现
• 6. 总结

1. 分析设计

数据分析首先要明确分析什么内容和思路。

这里对某师范院校某院的学生信息进行分析，主要分析：学生男女比例、学生年龄比例、学生来自的省份比例、星座比例。

分析思路很简单，遍历所有的学生信息，然后统计出男女各多少人、不同年龄的各多少人、来自不同省份的各多少人，然后图形化展示出来。

2. 数据收集

要分析上述这些信息，先要有数据才行，所以先要获取数据。

数据获取可以自己去爬，也可以通过自己的渠道获取，也可以自己瞎编。。。。

对于这篇文章使用的数据，通过某渠道获取的，是以csv文件的形式。

3. 数据处理

一般数据处理需要清洗数据，如选择子集、列名重命名、删除重复值、缺失值处理、一致化处理、数据排序、异常值处理...。

这里的数据原本就是很干净的，在分析上述需求需要处理的地方很少，由于这里的所有学生信息是包含在一张表里面的，所以对于不同年级，需要选择子集，不同的年级分别处理。

按不同年级分离数据：

下面代码就是通过学号前4位来分离出不同年级的学生：

columns = ['学号','姓名','学院','身份证号','生日']
total_stu_data = pd.read_csv('stu_info.csv')
total_stu_data.columns = columns
total_stu_data.set_index(columns[0])

# 从总的学生信息取出子集，分离出各个年级的学生
stu_data_2016 = total_stu_data.loc[[str(row).startswith("2016") for row in total_stu_data[columns[0]]],]
stu_data_2017 = total_stu_data.loc[[str(row).startswith("2017") for row in total_stu_data[columns[0]]],]
stu_data_2018 = total_stu_data.loc[[str(row).startswith("2018") for row in total_stu_data[columns[0]]],]
stu_data_2019 = total_stu_data.loc[[str(row).startswith("2019") for row in total_stu_data[columns[0]]],]
stu_data_2020 = total_stu_data.loc[[str(row).startswith("2020") for row in total_stu_data[columns[0]]],]

数据的封装：

对于不同的数据比较零散，根据面向对象的设计思想，把同一年级的数据封装到一个对象中，便于传输，并且后期分析时，只需要分析对象就行了。

该对象应包含：该年级男女人数、该年级不同出生年份的学生多少人、该年级来自不同省份各有多少人、不同星座各有多少人，而且不同年级对象应该可以进行整合到一起，因此需要一个merge方法，将多个Grade对象整合成一个对象。

这里用于保存数据的年级类Grade设计如下：

class Grade():
    def __init__(self=None, name=None,size=0,sex=None,birth=None,constellation=None,province=None) -> None:
        self.name = name
        self.size = size
        if sex is None:
            self.sex = {}
        else:
            self.sex = sex
        if birth is None:
            self.birth = {}
        else:
            self.birth = birth
        if constellation is None:
            self.constellation = {}
        else:
            self.constellation = constellation
        if province is None:
            self.province = {}
        else:
            self.province = province
    def __str__(self) -> str:
        return f"Grade[size={self.size}, name={self.name}, \
        sex={self.sex}, birth={self.birth}, \
        constellation={self.constellation}, province={self.province}]"
    def merge(self, grades:tuple):
        for grade in grades:
            self.size += grade.size
            self.sex = self.__merge_dict(self.sex, grade.sex)
            self.birth = self.__merge_dict(self.birth, grade.birth)
            self.constellation = self.__merge_dict(self.constellation, grade.constellation)
            self.province = self.__merge_dict(self.province, grade.province)
        return self    

    def __merge_dict(self, d1:dict, d2:dict) -> dict:
        new_dict = d1.copy()
        for key in d2:
            if(key in new_dict):
                new_dict[key] += d2[key]
            else:
                new_dict[key] = d2[key]
        return new_dict

4. 数据分析

数据准备好了，就可以进行分析了。

思路很简单，首先是要分析表格数据，然后将分析好的数据存入上面说的Grade年级对象中。

也就是遍历同一个年级表格所有行，每一行都是一位学生的信息，然后把学生信息经过统计，放入一个Grade对象中。

这里，将表格数据统计封装成对象的过程封装到一个函数里面，代码如下：

def get_grade_info(grade_name:str, data_set:DataFrame) -> Grade:
    """
        将一个DataFrame，进行统计，一个Grade对象
        Grade对象包括了一个年级的
        名称：name
        总人数：size
        男女人数：sex，字典类型{0:女生人数，1:男生人数}
        各个年龄人数：birth，字典类型{出生年份：人数}
        各个省份人数：province{省份：人数}
        各个星座人数：
    """
    grade = Grade(grade_name)

    # row_data : [学号 '姓名' '专业' '身份证号' '生日']
    for row_data in data_set.values:
        # 分析身份证号
        info = validator.get_info(row_data[3])
        # 如果该身份证不合法
        if(info == False):
            continue
        grade.size += 1
        # 分析该学生性别
        sex = int(info['sex'])
        if(sex in grade.sex):
            grade.sex[sex] += 1
        else:
            grade.sex[sex] = 1
        
        # 分析出生年份
        birth = int(info['birthday_code'][0:4])
        if(birth in grade.birth):
            grade.birth[birth] += 1
        else:
            grade.birth[birth] = 1
        
        # 分析星座
        constellation = info['constellation']
        if(constellation in grade.constellation):
            grade.constellation[constellation] += 1
        else:
            grade.constellation[constellation] = 1

        #分析省份
        # address_tree格式：['省', '市', '县/区']
        province = info['address_tree'][0]
        if(province in grade.province):
            grade.province[province] += 1
        else:
            grade.province[province] = 1
    return grade

当完成不同年级对象的封装后，查看封装后的对象，就基本已经分析完毕了，每个年级对象Grade已经包含了我们需要的所有数据：男女人数、不同出生年份的学生人数、不同省份各人数、不同星座人数。。。

5. 数据展现

当把数据封装到Grade对象后，Grade对象已经包含了所有需要分析的内容了，比如下面是其中一个Grade对象的内容(为了方便看，改成dict格式了)：

{'name': '2016', 
'size': 428, 
'sex': {
    '1': 192, 
    '0': 236
    }, 
'birth': {
    '1999': 39, 
    '1998': 208, 
    '1997': 125, 
    '1996': 46, 
    '1995': 5, 
    '2000': 3, 
    '1993': 1, 
    '1994': 1
    }, 
'constellation': {
    '巨蟹座': 23, 
    '狮子座': 49, 
    '白羊座': 28, 
    '摩羯座': 31, 
    '金牛座': 29, 
    '射手座': 35, 
    '天蝎座': 42, 
    '双子座': 37, 
    '天秤座': 45,
    '双鱼座': 38, 
    '水瓶座': 32, 
    '处女座': 39
    }, 
'provence': {
    '湖北省': 330, 
    '黑龙江省': 3, 
    '安徽省': 9, 
    '贵州省': 5, 
    '河北省': 1, 
    '江苏省': 4, 
    '云南省': 6, 
    '山东省': 3, 
    '山西省': 9, 
    '陕西省': 2, 
    '四川省': 11, 
    '浙江省': 2, 
    '湖南省': 5, 
    '广东省': 1, 
    '江西省': 3, 
    '广西壮族自治区': 9, 
    '河南省': 15, 
    '内蒙古自治区': 1, 
    '重庆市': 4, 
    '甘肃省': 2, 
    '福建省': 2, 
    '天津市': 1
    }
}

所有需要展示的数据都封装到了Grade对象中了。

只需要把构建好的Grade对象，分别展示出来，

学生性别比例：

性别比例，在Grade对象的sex属性中，sex属性是一个dict，包含了男女的人数。

'sex': {
    '1': 192, 
    '0': 236
    }

把每个年级的Grade对象中的sex属性都取出来，然后可视化如下：

上图可以看出该校该学院学生的男女比例还是比较平均的。。。

学生来自的省份

同样的，获取学生来自的省份的数据，也只需要从Grade对象中取出province属性即可，可视化如下图：

不同学院的学生年龄(出生年份)：

获取学生的出生年份，只需从不同的Grade对象取出birth属性即可，可视化如下图：

学生的星座比例：

星座比例数据也是如此，从Grade对象中取出constellation属性即可，由于这个星座的数据在不同年级中都比较均匀，这里只展示全院的星座比例。

6. 总结

上述就是分析某校某院学生信息的过程，主要是提出去每个学生的信息(表格的每一行)进行统计(主要是统计男女人数、来自的省份、出生年份)，然后把统计好的数据封装成一个对象(一个年级的数据封装到一个Grade对象中)，数据封装完就已经分析完毕了。后面再把数据从Grade对象中取出，可视化表示。