python大数据分析

Question

具体要求：
1.数据集介绍
有一数据集存于csv文件中，数据包括学校数，在校学生数，招生数、教职员工数、毕业生数等，完成以下实践任务。
2.实践任务描述
（1）读入数据
读取csv文件，采用适当数据结构存放；用适当方法查看读入后数据类型信息和读入数据结构信息。
（2）排序
按年度升序对读入数据进行排序，显示排序结果。
按年度升序、招生数倒序对读入数据进行排序，显示排序结果。
（3）计算
基于数据集中的数据进行一些计算并将结果存入数据集中；
计算生师比（在校学生数/专任教师数）；保留2位小数；
计算校平均教职工人数（教职员工数/学校数），保留1位小数；
（4）查询
给定一些条件，对数据集进行查询。
如：仅查询：2000年后生师比小于18的数据；
查询并计算：2010年后招生数少于毕业生数的年度和毕业生数、招生数和差额。
（5）选取与更新
①从读入后的数据集中删除“序号”列；
②从读入后的数据集中删除2000年之前的数据。
③选取“年度”、“学校数”、“在校学生数”，“专任教师数”“生师比”形成一个新的数据集；
④选取2000年度后的年度、学校数、招生数，毕业生数信息，形成一个新的数据集；
（6）绘图
选取适合的图表类型，绘图显示生师比随年度变化趋势，因为太早的数据意义不大，绘图时可以筛选2010年后的数据。
编程语言：python，使用pandas库

Answer 1

import pandas as pd
import matplotlib.pyplot as plt

# （1）读入数据
df_original = pd.read_csv("cata1.csv", encoding="gbk")
df_original.to_csv("df_original.csv", index=False, encoding="gbk")

# （2）排序
df_sorted_by_year = df_original.sort_values(by='年度', ascending=True)
df_sorted_by_year.to_csv("df_sorted_by_year.csv", index=False, encoding="gbk")

df_sorted_by_year_and_enrollment = df_original.sort_values(by=['年度', '招生数'], ascending=[True, False])
df_sorted_by_year_and_enrollment.to_csv("df_sorted_by_year_and_enrollment.csv", index=False, encoding="gbk")

# （3）计算
df_calculated = df_original.copy()
df_calculated['生师比'] = (df_calculated['在校学生数'] / df_calculated['专任教师数']).round(2)
df_calculated['校平均教职工人数'] = (df_calculated['教职员工数'] / df_calculated['学校数']).round(1)
df_calculated.to_csv("df_calculated.csv", index=False, encoding="gbk")

# （4）查询
df_filtered = df_calculated[(df_calculated['年度'] > 2000) & (df_calculated['生师比'] < 18)]
df_filtered.to_csv("df_filtered.csv", index=False, encoding="gbk")

df_query = df_calculated[df_calculated['年度'] > 2010].copy()  # Make a copy to avoid the warning
df_query.loc[:, '差额'] = df_query['毕业生数'] - df_query['招生数']
df_query_result = df_query[df_query['招生数'] < df_query['毕业生数']]
df_query_result.to_csv("df_query_result.csv", index=False, encoding="gbk")


# （5）选取与更新
df_without_serial = df_calculated.drop(columns=['序号'])
df_without_serial.to_csv("df_without_serial.csv", index=False, encoding="gbk")

df_after_2000 = df_without_serial[df_without_serial['年度'] > 2000]
df_after_2000.to_csv("df_after_2000.csv", index=False, encoding="gbk")

df_selected_columns = df_after_2000[['年度', '学校数', '在校学生数', '专任教师数', '生师比']]
df_selected_columns.to_csv("df_selected_columns.csv", index=False, encoding="gbk")

df_post_2000_selected = df_after_2000[['年度', '学校数', '招生数', '毕业生数']]
df_post_2000_selected.to_csv("df_post_2000_selected.csv", index=False, encoding="gbk")

# （6）绘图
df_2010_onwards = df_calculated[df_calculated['年度'] >= 2010]

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号
plt.figure(figsize=(10, 6))
plt.plot(df_2010_onwards['年度'], df_2010_onwards['生师比'], marker='o', linestyle='-')
plt.title("生师比随年度变化趋势 (2010年后)")
plt.xlabel("年度")
plt.ylabel("生师比")
plt.grid(True)
plt.tight_layout()
plt.savefig("life_teacher_ratio_2010_onwards.png")