pandas+plt操作练习（统计高等数学竞赛获奖）

关注

原创最新推荐文章于 2026-08-24 15:31:12 发布 1.7k 阅读 AI 写同款· GEO 优化 ›

Python数学建模全流程实战：从数据处理到论文写作的完整指南数学建模是将现实问题转化为数学模型，并通过计算求解的系统工程。其核心原理在于运用数学语言描述问题，结合算法与编程实现求解，最终通过可视化与论文呈现结果。这一过程的技术价值在于培养跨学科问题解决能力，广泛应用于预测分析、优化决策、模式识别等场景。在工程实践中，Python凭借其强大的数据处理库Pandas和机器学习框架Scikit-learn，成为实现数学建模全流程的主流工具。本文聚焦于数学建模竞赛的完整工作流，详细拆解了从赛题分析、数据处理、模型构建到结果可视化的关键步骤，并提供了基于Python的实战代码阅读详情

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import font_manager

file_path = r"C:\Users\Administrator\Desktop\data analysis\附件：获奖学生名单.xlsx"
df = pd.read_excel(file_path, header=1, sheet_name=0)
myfont = font_manager.FontProperties(fname="C:/Windows/Fonts/simhei.ttf")

plt.figure(figsize=(5,5), dpi=80)

tmp_list = df["院系"].value_counts()

x = tmp_list.index.to_numpy()
_x = np.arange(len(x))
hei = tmp_list.values
plt.xticks(_x, x, fontproperties=myfont, rotation=90)

plt.bar(_x, hei, width=0.5, color='blue')

在这里插入图片描述

plt.figure(figsize=(5,5), dpi=80)
award_list = df["获奖"].value_counts()
print(award_list)

index_award_list = award_list.index.tolist()
index_award_list.reverse()
values_award_list = award_list.values

x = index_award_list
_x = np.arange(len(x))
y = values_award_list

plt.bar(_x, y, width=0.5, color='blue')
plt.xticks(_x, x, fontproperties=myfont, rotation=90)