一、项目背景

在高校教学管理中，学生成绩、出勤率、性别分布等信息是评估教学质量和学生表现的重要依据。本项目通过对一份学生信息表进行数据分析与可视化，帮助了解学生成绩分布、性别比例、缺勤情况及学业风险。

⸻

二、数据介绍

假设表格文件名为：student_info.csv，字段包括：
    •    姓名
    •    性别
    •    年龄
    •    班级
    •    课程名称
    •    成绩
    •    缺勤次数

⸻

三、分析目标

    1.    学生成绩分布情况
    2.    性别比例分析
    3.    按课程统计平均成绩
    4.    缺勤次数与成绩的关系
    5.    高风险学生（成绩<60 或 缺勤次数较高）识别
    6.    多图表可视化展示

四、关键代码与可视化展示

1. 导入库并读取数据

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_csv('student_info.csv')

2.学生成绩分布

plt.figure(figsize=(8,5))
sns.histplot(df['成绩'], bins=10, kde=True, color='orange')
plt.title('学生成绩分布')
plt.xlabel('成绩')
plt.ylabel('人数')
plt.show()

3.性别比例饼图

gender_counts = df['性别'].value_counts()
plt.pie(gender_counts, labels=gender_counts.index, autopct='%1.1f%%', startangle=140)
plt.title('性别比例分布')
plt.show()

4.课程平均成绩

course_avg = df.groupby('课程名称')['成绩'].mean().sort_values(ascending=False)
course_avg.plot(kind='bar', figsize=(10,5), color='teal')
plt.title('各课程平均成绩')
plt.ylabel('平均分')
plt.xlabel('课程')
plt.xticks(rotation=45)
plt.show()

5.缺勤与成绩关系

sns.scatterplot(data=df, x='缺勤次数', y='成绩', hue='性别')
plt.title('缺勤次数与成绩关系')
plt.show()

6.标注高风险学生（成绩低于60或缺勤>5）

risk_students = df[(df['成绩'] < 60) | (df['缺勤次数'] > 5)]
print("高风险学生名单：")
print(risk_students[['姓名', '成绩', '缺勤次数']])

举例

五、模块说明

本案例拆分了以下功能模块：
    •    数据清洗与导入
    •    成绩分布统计模块
    •    性别比例分析模块
    •    课程平均分计算模块
    •    缺勤行为与成绩关系分析模块
    •    学业风险筛查模块

每个模块均有代码、图表输出与解释，适用于教学数据分析展示。

⸻

六、总结与反思

本案例使用 Python 对学生信息进行清洗、分析与可视化，直观展示了教学管理中最关心的几个指标。可拓展方向包括：
    •    多学期数据分析对比
    •    增加学期维度进行趋势分析
    •    联合教学评价数据探索教学成效