题目要求:
分析文件’课程成绩.xlsx’，至少要完成内容：分析1)每年不同班级平均成绩情况、2)不同年份总体平均成绩情况、3)不同性别学生成绩情况，并分别用合适的图表展示出三个内容的分析结果。
废话不多,直接上代码
1每年不同班级平均成绩情况:
# 导入xlrd模块
import xlrd
from pyecharts import *
page = page() # 实例化page类,一个页面顺序熏染读个图表
#设置文件名和路径
fname = '课程成绩.xlsx'
# 打开文件
filename = xlrd.open_workbook(fname)
sheets=filename.nsheets#获得sheet的个数
sheet_list = filename.sheet_names()#sheet名字
list_x=[]
years=["2016","2017","2018"]#年份
for i in range(len(sheet_list)):
listx=[]#存放班级
dirx={}#存放班级人数
listy=[]#存放分数
diry={}#统计存放班级的分数
sheet=filename.sheets()[i]#获得当前的sheet
nrows=sheet.nrows#获得当前的sheet的行数
diravg={}#存放平均分
for j in range(1,nrows):
row_datas = sheet.row_values(j)#获得当前行的所有信息
listx.append(row_datas[0])
listy.append(row_datas[4])
for k in range(len(listx)):
if listx[k] not  in dirx:
dirx[listx[k]]=1
if "".join(listy[k].split())!='缺考':
diry[listx[k]]=int(listy[k])
else:
diry[listx[k]]=0
else:
dirx[listx[k]]=dirx[listx[k]]+1
if "".join(listy[k].split())!='缺考':
diry[listx[k]]=int(listy[k])+diry[listx[k]]
for d in dirx:
if d not  in diravg:
diravg[d]="%.1f"%(diry.get(d)/dirx.get(d))
keys=list(diravg.keys())
values=list(diravg.values())
bar=bar(years[i]+"成绩分析")
bar.add(years[i],keys,values)
page.add(bar)
page.render("一个页面渲染多张图表.html")
2不同年份总体平均成绩情况：
import xlrd
from pyecharts import bar
#设置文件名和路径
fname = '课程成绩.xlsx'
# 打开文件
filename = xlrd.open_workbook(fname)
sheets=filename.nsheets#获得sheet的个数
sheet_list = filename.sheet_names()#sheet名字
avg=[]
for i in range(len(sheet_list)):#获取sheet个数
sheet=filename.sheets()[i]#获取当前的sheet
nrows=sheet.nrows#获取行数
sumscore=0#总分
count=0#学生的个数
for j in range(1,nrows):
row_datas = sheet.row_values(j)#获得当前行的所有信息
if "".join(row_datas[4].split())!='缺考':
count=count+1
sumscore+=int(row_datas[4])
avg.append("%.1f"%(sumscore/count))#存放保留一位小数的成绩
#print(avg)
years=['2016','2017','2018']#设计x坐标
bar=bar("标题:不同年份总体平均成绩情况")#设置标题
#画图
bar.add("图注:平均成绩",years,avg,  is_label_show=true)
bar.render("不同年份总体平均成绩情况.html")
3不同性别学生成绩情况:
import xlrd
from pyecharts import line,bar,overlap
# 设置文件名和路径
fname = '课程成绩.xlsx'
# 打开文件
filename = xlrd.open_workbook(fname)
sheets = filename.nsheets  # 获得sheet的个数
sheet_list = filename.sheet_names()  # sheet名字
listx = []
listy = []
for i in range(len(sheet_list)):
sheet = filename.sheets()[i]
nrows = sheet.nrows  # 行数
summan = 0  # 男孩子总分
bcount = 0#男孩数量
sumgirl = 0  # 女孩子总分
gcount = 0#女孩数量
for j in range(1, nrows):
row_datas = sheet.row_values(j)
if row_datas[1] == '男':
if "".join(row_datas[4].split()) != '缺考':
bcount += 1
summan += int(row_datas[4])
else:
if "".join(row_datas[4].split()) != '缺考':
gcount += 1
sumgirl += int(row_datas[4])
listx.append("%.1f" % (summan / bcount))
listy.append("%.1f" % (sumgirl / gcount))
# 画图
years = ['2016年', '2017年', '2018年']
# 调用line方法绘制折线图
bar = bar("2016-2018年不同性别学生成绩情况")
bar.add("男生成绩", years, listx,is_smooth=true, mark_point=['max'])
line=line()
line.add("女生成绩", years, listy, mark_point=['min'])
overlap = overlap()
overlap.add(bar)
overlap.add(line)
# overlap.show_config()
overlap.render('不同性别学生成绩情况柱形图-折线图.html')
希望与广大网友互动？？
点此进行留言吧！

不管是工资条还是考试成绩，出于保护隐私的善意，一般不会以公示所有人明细的方式进行信息传达，而是以点对点的方式，一一将个人信息告诉每个相应的员工或学生。

这里以考试成绩举例，教大家将全校所有学生成绩的Excel总表，按名字拆分为数个单独的Excel表，以便点对点地发送给每位学生。

总成绩表如下，每个学生有上下两学期的成绩：


如何按名字拆分为数个单独的Excel表？代码如下：
import pandas as pd
df = pd.read_excel('某顶尖院校上下两学期期末考试成绩.xlsx') #读取表
nrow = df.shape[0]#获取表的行数
for i in range(0, nrow,1):#遍历表
	save_data = df[i*3:i*3+3]#将每个学生的成绩分别保存到不同表中
	name = df.at[i*3+1, '姓名']
	save_data.to_csv(str(name)+'成绩.csv',index=False, encoding='utf_8_sig',header=False)#设置表的格式

注意：

生成的表若不需要显示表头，则可以添加 header=False，去掉表头。

效果如下：




假设：

新建一个表+复制一个学生数据+粘贴一个学生数据+保存表 所用时间=5秒，如果全校有8000名学生，则需花8000*5秒=40000秒=667分钟=11小时11分钟
而利用python运行代码一键生成表只需花费10秒钟，4000倍效率的爽，快学起来！！！

Excel 可以对数据进行分组汇总，也可以用透视表对数据进行多层次分析，但提供的汇总及相关运算都很简单，稍复杂一些的运算没法实现或者很难实现了。比如我们希望计算分组内的排名，按分组汇总值再过滤与排序等。本文将列出这类分组后计算示例，解答并给出 SPL 解决代码。SPL 是专业计算引擎 esProc 使用的语言，用于处理结构化数据的运算非常方便。
一、组内排序
这里以学生的考试成绩表为例，现在需要对每门课程进行单科排名。显然这时需要先按课程分组，然后再在组内进行排序。
Excel 文件中数据如下：
期望结果：
本文中 SPL 示例，都通过剪贴板跟 Excel 进行数据交互。在集算器设计器里编辑好 SPL 脚本后，需要先从 Excel 中将要分析的数据复制到剪贴板，然后才执行代码，执行完成后，再到 Excel 中粘贴结果。
使用 SPL 能分步计算，步骤也很简单：
A
B
1
=clipboard().import@t()
/从剪贴板导入带标题的考试成绩表
2
=A1.group(Subject)
/先按科目将成绩分组
3
=A2.(~.sort(Score:-1))
/然后对每一组的数据按成绩升序排列
4
=A3.(~.derive(#:Rank))
/为每组数据增加一个名次字段
5
=A4.conj()
/合并排好序后的各组成绩
6
=A5.new(Subject,Rank,Score,Name)
/用新序表调整下字段顺序
7
=clipboard(A6.export@t())
/将排名结果放回到剪贴板
代码执行完成后，只需在Excel 中粘贴便可得到期望结果。
如果仅希望筛选出每门课程的前三名，则只需使用 top 函数在上述分组后的数据中，取出前三名即可。
期望结果：
SPL 采用 top 函数取出前三名：
A
B
1
=clipboard().import@t()
/从剪贴板导入带标题的考试成绩表
2
=A1.group(Subject)
/先按科目将成绩分组
3
=A2.(~.top(-3;Score))
/直接针对每组数据，根据 Score 过滤出前三名
4
=A3.(~.derive(#:Rank))
/为每组数据增加一个名次字段
5
=A4.conj()
/合并排好序后的各组成绩
6
=A5.new(Subject,Rank,Score,Name)
/用新序表调整下字段顺序
7
=clipboard(A6.export@t())
/将考生名单放回到剪贴板
执行结束后，在Excel 中粘贴，便可得到期望结果。
二、组后排序
上一节是分组后，对分组内的数据进行各自的排序。现在看一下分组后，如何对整个组的汇总数据来排序。仍以上述学生的考试成绩表为例，但现在想对同学的总分进行一个排名，期望结果为：
根据分组后的总分来排序时，需要使用 groups 函数，分组的同时计算出总分：
A
B
1
=clipboard().import@t()
/从剪贴板导入带标题的考试成绩表
2
=A1.groups(Name;sum(Score):Total)
/按姓名分组，同时计算出每个同学的总分 Total
3
=A2.sort(Total:-1)
/对总分按降序排序
4
=A3.derive(#:Rank)
/增加一个名次字段
5
=clipboard(A4.export@t())
/排序后的结果导出后放置到剪贴板
三、组内过滤
现在需要将成绩落后的学生找出来，给他们补补课。由于各科考试题目的难易不同，所以不适合都按不及格的条件选出。而是根据每门课程的平均分，将平均分以下的同学找出来。
期望结果：
此时需要分组后，先算出每一门课程的平均分，然后再将在平均分以下的同学选出来。
SPL 代码如下：
A
B
1
=clipboard().import@t()
/从剪贴板导入带标题的考试成绩表
2
=A1.group(Subject)
/先按科目将成绩分组
3
=A2.((AVG=~.avg(Score),~.select(Score<AVG)))
/对每组数据，先算出平均分，再选出在平均分以下的同学
4
=A3.conj()
/合并每门课程下的需要补课的同学名单
5
=clipboard(A4.export@t())
/将学生名单放回到剪贴板
四、组后过滤
上一节是找出每门课程中低于平均分的同学。现在按照姓名分组，计算出每个同学的总分后，再将总分平均分以下的同学找出来。
期望结果：
由于同样是对分组后的总分来过滤，仍然采用 groups 函数，分组并计算出总分，再按总分求平均以及过滤。
SPL 代码如下：
A
B
1
=clipboard().import@t()
/从剪贴板导入带标题的考试成绩表
2
=A1.groups(Name;sum(Score):Total)
/按姓名分组，并计算总分
3
=A2.select(Total<A2.avg(Total))
/根据总分求出平均分，然后选出总分低于平均分的同学
4
=clipboard(A3.export@t())
/将结果导出并放置到剪贴板
五、组内占比
如下为 2019 年部分国家的 GDP 产值。现在想按地区，也即各大洲分组，然后计算出各国占所在洲的 GDP 百分比。
2019 年部分国家 GDP 数据 (单位：亿美元)：
期望结果：
计算组内的占比，同样是按地区分组后，先算出每个洲的 GDP 总量，再依次计算组内的各成员国的百分比占比。
SPL 代码：
A
B
1
=clipboard().import@t()
/从剪贴板导入带标题的考试成绩表
2
=A1.group(Area)
/按地区将各国分组
3
=A2.((SUM=~.sum(GDP),~.derive(string(GDP/SUM,"0.00%"):Percentage)))
/对每组数据，先算出 GDP 总量，再计算各自的百分比
4
=A3.conj()
/合并所有组内数据
5
=clipboard(A4.export@t())
/将结果导出后放回到剪贴板
六、组后占比
这一节再来看一下如何计算分组后的各大洲的全球占比。
期望结果：
分组后的计算都类似，仍然采用 groups 函数，分组并同时计算出各洲的 GDP 总量，然后再求一遍各洲的 GDP 总量占全球 GDP 的百分比值。
SPL 代码如下：
A
B
1
=clipboard().import@t()
/从剪贴板导入带标题的考试成绩表
2
=A1.groups(Area;sum(GDP):Total)
/按地区分组，并计算各大洲的 GDP 总值
3
=A2.derive(string(Total/A2.sum(Total),"0.00%"):Percentage)
/再计算各洲的总量占全球 GDP 的百分比
4
=A3.run(Total=string(Total,"0.00"))
/调整下 Total 的显示精度
5
=clipboard(A4.export@t())
/将结果导出并放置到剪贴板
       更多 Excel 的分组分析，请参考《Excel 特殊分组汇总示例》。
另外《SPL Cookbook》中还有更多敏捷计算示例。

1.用Excel建立一个学生成绩表，包括学号、姓名、高数、英语，计算机，总分。

录入若干个学生学号、姓名、高数、英语，计算机5项数据。将其另存

为“学生成绩表.cvs”格式的文件。通过编程的方法，计算每个学生的总分，

写入“学生成绩表1.cvs”文件中。

要求：用CSV文件读、写方法实现处理。
请在【python数据之禅】gzh后台，回复‘作业’获取答案