Follow me!百萬獎金由你拿 | 學霸去哪了（二）

在上一篇中咱們跟隨大神的腳步，探討了學生的消費數據，消費數據對本次競賽預測來說很重要。本篇將探索寢室門禁、圖書借閱、圖書館門禁和學生成績等一些和學生學習相關的數據，來看看學生的品行如何，雖然資助金和獎學金的性質不太同樣，但咱們畢竟仍是想資助那些品學兼優的學生，而不是資助雖然家境很貧寒但不學無術的學生。

因此本篇探索的數據能夠比較好的反應出這些狀況。固然這裏面還隱藏了更好玩的話題，學霸去哪了？話很少說，let's go!

1、數據介紹

OpenFEA已經將上述數據存放到了OpenFEA在線試用環境的match/fund目錄下，具體在www.openfea.cn下載專區裏有介紹。

2、數據探索

(一) 寢室門禁數據分析

一、 加載寢室門禁數據

由於原始數據沒有列名，因此加with (header=-1)爲各列自動填寫列名。

加載寢室門禁數據

二、 修改字段名

分別用id、time、isout表示學生編號、進出寢室時間、進出寢室。

三、 提取時間中的小時爲單獨的一列

 

四、 修改hour字段類型爲數字類型

五、 過濾出深夜出入寢室的人

六、 分組統計

按照id字段進行分組統計，統計每一個學生深夜進出寢室的次數。

七、 繪圖

圖形展現學生深夜出入寢室的數據。

2131多條記錄中，共涉及1297人，最多的34次，最少的1次，平均2.08次。元芳，你怎麼看呢？

(二) 圖書借閱數據分析

一、加載圖書借閱數據

因爲原始數據中有逗號,會在加載時被認爲是分隔符，因此咱們須要採用一個全文沒有出現的分割符`，將數據按一整行加載成爲DF表。同時因爲原始數據沒有列名，須要爲各列自動填寫列名，因此參數處需添加with (header=-1,sep="`") 。

二、修改字段名

三、字符串處理

經過lambda函數將raw字段中的」,」和,」替換爲$，而後按分隔符$分割爲幾個不一樣的list，具體表達式爲x: x.replace ('","','$').replace (',"','$').split("$")

四、分割列

將raw字段按照分隔符分割爲幾個不一樣的列。

此數據主要能夠分析借閱次數（本書），閱讀時間等，要想再深刻一些能夠分析閱讀的門類等，就不詳細介紹了。

(三) 圖書館門禁數據分析

一、 加載圖書館門禁數據

由於原始數據沒有列名，因此加with (header=-1)爲各列自動填寫列名。 

二、修改字段名

分別用id、gate、time表示學生編號、門禁編號、時間。

三、 分組統計

按照id字段進行分組統計，統計每一個學生進出圖書館的次數。

四、 繪圖

圖形展現學生出入圖書館的數據。

最多的學生是1485次，最少的竟然兩年只去1次（慘不忍睹，都忙啥了？）,平均是122次。去的次數最多的是否是學習成績最好呢，一會咱們驗證一下。

(四) 學生成績數據分析

一、 加載學生成績數據

由於原始數據沒有列名，因此加with (header=-1)爲各列自動填寫列名。 

加載學生成績數據

二、 修改字段名

分別用id、college、score表示學生編號、學院編號、成績排名。 

成績數據就這樣了，咱們來看一下圖書館次數最多的學生成績到底怎麼樣，是真的一份耕耘一份收穫，仍是在磨洋工裝樣子呢。

三、 對分組統計好的圖書館門禁數據進行重置索引

四、修改該數據的字段名，將index修改成id。

五、取去圖書館次數最多的100人

六、和成績數據進行關聯

  

七、設置id列爲索引

八、刪除college列

九、將數據按照進出圖書館次數進行排序

十、繪圖

黃線表明去圖書館的次數，紅線表明成績的排名，看完這個也很心塞啊！其中最好的才排學院30名，比比都是500名開外，都在圖書館幹嗎了呢？

好吧，再來看看學院的學霸們（前100名）到底去不去圖書館呢？

十一、取每一個學院的前100名

十二、和分組統計後的進出圖書館書架進行關聯 

1三、設置id字段爲索引

1四、因爲count字段中有控制，因此咱們用數字0來填充空值

1五、刪除college列

1六、將數據按照成績和進出圖書館次數進行排序

1七、修改字段名，分別將id和count修改成「成績排名」和「去圖書館次數」

看這滿屏的0，不知你做何感想？禁不住要問學霸去哪了？這仍是之前的大學圖書館嗎？

1八、繪圖

紅色表明成績，黃色表明去圖書館的次數，去圖書館的平均線是105，看來"死讀書"是愈來愈沒市場了。^V^

有興趣的同窗，能夠將學霸的數據和深夜外出的數據碰一下，看看學霸到底去哪了。