提供了两个Python数据分析教学案例。 ### 大学生心理健康数据挖掘分析案例 此案例主要对大学生心理健康数据进行分析，涉及数据加载、基本信息查看、分组统计、可视化以及相关性分析等操作。 ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 加载学生心理健康数据 df = pd.read_csv('student_mental_health_data.csv') # 查看数据的基本信息 print(df.head()) print(df.describe()) # 统计不同性别学生的平均压力水平和情绪波动 gender_stats = df.groupby('性别').agg({'压力水平': 'mean', '情绪波动': 'mean'}).reset_index() print(gender_stats) # 绘制不同性别学生的压力水平和情绪波动柱状图 plt.figure(figsize=(8, 6)) sns.barplot(x='性别', y='压力水平', data=df, palette='coolwarm') plt.title('不同性别学生的平均压力水平') plt.xlabel('性别') plt.ylabel('压力水平') plt.show() plt.figure(figsize=(8, 6)) sns.barplot(x='性别', y='情绪波动', data=df, palette='coolwarm') plt.title('不同性别学生的平均情绪波动') plt.xlabel('性别') plt.ylabel('情绪波动') plt.show() # 分析压力水平和情绪波动之间的关系 plt.figure(figsize=(8, 6)) sns.scatterplot(x='压力水平', y='情绪波动', data=df, hue='年级') plt.title('压力水平和情绪波动关系') plt.xlabel('压力水平') plt.ylabel('情绪波动') plt.legend(title='年级') plt.show() # 计算压力水平和情绪波动之间的相关性 correlation = df['压力水平'].corr(df['情绪波动']) print(f"压力水平和情绪波动的相关性系数为: {correlation}") ``` 该案例通过对学生心理健康数据的分析，展示了如何使用Python的`pandas`、`matplotlib`和`seaborn`库进行数据处理、可视化和相关性分析，帮助了解不同性别学生的心理状态以及压力水平和情绪波动之间的关系 [^1]。 ### 婴儿名字数据集分析案例 此案例主要围绕婴儿名字数据集展开，涉及数据的读取操作。 ```python import pandas as pd names1880 = pd.read_csv("datasets/babynames/yob1880.txt", names=["name", "sex", "births"]) print(names1880) ``` 该案例展示了如何使用`pandas`库读取婴儿名字数据集，数据集下载地址为：http://github.com/wesm/pydata-book [^3]。