1.数据集来源地址：https://www.kaggle.com/datasets/jakwagarba/xapiedudatacsv/data
2.数据集名称：xAPI-Edu-Data.csv，共 17个字段，480条数据，本篇文章旨在研究
大数据对在线教育的意义，故忽略数据集数据量本身较小的问题。
其中数据集各字段意义如下：
gender ——性别
Nationality——国籍
Placeofbirth——出生地
StageID——教育阶段
GradeID——年级
SectionID——班级
Topic—— 课程主题
Semester—— 学期
Relation——谁对学生负责
raisedhands——学生举手次数
VisiTedResources- 学生访问课程次数
AnnouncementsViewing——学生查看通知次数
Discussion——学生参加讨论组的次数
ParentAnsweringSurvey——家长回答是否由学校提供的调查
ParentschoolSatisfaction —— 家长对学校的满意程度
Student Absence Days——学生缺席的天数
class——成绩
3.
该项目研究主要使用python进行数据分析， 开发环境为anaconda3， conda –version
版本号显示为23.1.0，主要代码编写工具为 Jupyter Notebook。
该项目代码使用的主要模块版本号如下：
pandas 1.5.3
matplotlib 3.7.0
seaborn 0.12.2
读者若要使该项目代码能正常运行，可在安装模块时，指定以上版本号进行模块
安装。安装方式如下：
pip install pandas==1.5.3
pip install matplotlib==3.7.0
pip install seaborn==0.12.2
4.
import pandas as pd
import matplotlib.pyplot as plt
sp = pd.read_csv("xAPI-Edu-Data.csv") # 导入数据
%matplotlib inline
plt.rcParams['font.sans-serif'] = 'SimHei'
fig1 = plt.figure(facecolor='white', figsize=(20, 40))
ax1 = plt.subplot(6, 3, 1)
plt.pie(sp['gender'].value_counts(), labels=['M', "F"], autopct='%1.1f%%', startangle=0)
plt.axis('equal')
plt.title('性别分布情况')
ax1 = plt.subplot(6, 3, 2)
plt.pie(sp['PlaceofBirth'].value_counts(), labels=list(set(sp['PlaceofBirth'].values.T.tolist()[:])), autopct='%1.1f%%',
startangle=0)
plt.axis('equal')
plt.title('出生地分布情况')
ax1 = plt.subplot(6, 3, 3)
plt.pie(sp['StageID'].value_counts(), labels=list(set(sp['StageID'].values.T.tolist()[:])), autopct='%1.1f%%',
startangle=0)
plt.axis('equal')
plt.title('教育阶段分布情况')
ax1 = plt.subplot(6, 3, 4)
plt.pie(sp['GradeID'].value_counts(), labels=list(set(sp['GradeID'].values.T.tolist()[:])), autopct='%1.1f%%',
startangle=0)
plt.axis('equal')
plt.title('年级分布情况')
ax1 = plt.subplot(6, 3, 5)
plt.pie(sp['Relation'].value_counts(), labels=list(set(sp['Relation'].values.T.tolist()[:])), autopct='%1.1f%%',
startangle=0)
plt.axis('equal')
plt.title('对学生负责情况')
ax1 = plt.subplot(6, 3, 6)
plt.pie(sp['raisedhands'].value_counts(), labels=list(set(sp['raisedhands'].values.T.tolist()[:])), autopct='%1.1f%%',
startangle=0)
plt.axis('equal')
plt.title('学生举手次数情况')
ax1 = plt.subplot(6, 3, 7)
plt.pie(sp['SectionID'].value_counts(), labels=list(set(sp['SectionID'].values.T.tolist()[:])), autopct='%1.1f%%',
startangle=0)
plt.axis('equal')
plt.title('班级分布情况')
ax1 = plt.subplot(6, 3, 8)
plt.pie(sp['Topic'].value_counts(), labels=list(set(sp['Topic'].values.T.tolist()[:])), autopct='%1.1f%%', startangle=0)
plt.axis('equal')
plt.title('课程主题情况')
ax1 = plt.subplot(6, 3, 9)
plt.pie(sp['Semester'].value_counts(), labels=list(set(sp['Semester'].values.T.tolist()[:])), autopct='%1.1f%%',
startangle=0)
plt.axis('equal')
plt.title('学期分布情况')
由上图分析出：学生中女生数量多于男生，学生的国籍、出生 70%是埃及或叙利亚。学生来自高中最多，小学次之，初中最少。学生年级大多是 4,、7、10年级，班级中A班和C 班较多；学科方面：学 IT 的学生人数最多，其次是法语，人数最少的是历史，学 IT的人数几乎是学历史的 5 倍左右；学生负责人是妈妈比较多；有 60%的学生缺席次数不超过七天，学生成绩等级达到优秀的最多，中等次之。
import seaborn as sns plt.rcParams['font.sans-serif']='SimHei' fig,axes=plt.subplots(2,2) fig.set_size_inches(20,10) sns.histplot(sp['raisedhands'],ax=axes[0,0]) sns.histplot(sp['VisITedResources'],ax=axes[0,1]) sns.histplot(sp['AnnouncementsView'],ax=axes[1,0]) sns.histplot(sp['Discussion'],ax=axes[1,1]) axes[0,0].set(xlabel='raisedhands') axes[0,1].set(xlabel='VisITedResources') axes[1,0].set(xlabel='AnnouncementsView') axes[1,1].set(xlabel='Discussion')
学生举手次数和访问课程次数比较平均，有学生举手次数或访问课程次数达到100%，也存在学生从不举手或访问课程。大部分学生查看通知和参加讨论的次数较少。
sns.set(rc={'figure.figsize':(20,7)})
sns.countplot(x='SectionID',hue='Class',hue_order=['L','M','H'],data=sp)
#班级和成绩的关系
sns.set(rc={'figure.figsize':(20,7)})
sns.countplot(x='Topic',hue='Class',hue_order=['L','M','H'],data=sp)
#学科和成绩的相关性
sns.set(rc={'figure.figsize':(20,7)})
sns.countplot(x='Relation',hue='Class',hue_order=['L','M','H'],data=sp)
#学生负责人和学生成绩的相关性
sns.set(rc={'figure.figsize':(20,7)})
sns.countplot(x='gender',hue='Class',order=['M','F'],hue_order=['L','M','H'],data=sp)
#性别和成绩的相关性分析
由图可以看出班级和成绩分布符合客观规律，每个班级都是中等成绩的数最多；对于12个学科，有 11 个学科都存在着部分同学处于不及格的状态，只有地质学这门课程学生全部达到中等及以上；对于 IT 这门课程，虽然学习的人数最多，但是大部分同学获得的成绩在中等及中等以下，只有少部分学生的成绩达到优秀，说明学生对于这门课程的掌握程度还有待于提升；学习历史的人数最少，但是成绩中等的学生最多，成绩优秀和成绩较差的学生相对较少。学生负责人是母亲的学生学习成绩中优秀的多，中等次之，不及格少，而负责人是父亲的则相反。
如果有帮助到您，打赏一下作者吧～
15 评论