114-2 顧泳兒

import pandas as pd import plotly.express as px df = pd.read_csv("sbdv_mid_exam.csv") df.columns # show columns names

Run to view results

1.關係分析：你想知道學生的「週訓練時數」(weekly_training_hours) 與「體能測驗分數」(fitness_score) 是否有正相關，並依「性別」(gender) 區分顏色。你應該使用什麼圖？請實作！

散點圖 (Scatter Plot):看兩個變數的關係

fig1 = px.scatter( df, x="weekly_training_hours", y="fitness_score", color="gender", title="週訓練時數 vs 體能分數", labels={'weekly_training_hours': '週訓練時數', 'fitness_score': '體能分數'} ) fig1.show()

Run to view results

2.佔比分析：體育中心想看五種「運動項目」 (sport) 的人數分佈比例，並希望中間鏤空像個甜甜圈。你應該使用什麼圖？請實作！

圓餅圖 (Pie Chart):看比例關係

sport_map = { "Basketball": "籃球", "Badminton": "羽球", "Volleyball": "排球", "Swimming": "游泳", "Running": "跑步" } # 修改新增一個欄位 df 中的內容 df['sport_map'] = df['sport'].map(sport_map) # 使用英文內容 fig2 = px.pie( df, # names="sport_map", # 使用中文的內容 names='sport', # 使用英文內容 title="各運動項目人數比例", hole=0.4 # 變甜甜圈 ) # 切換使用中文內容 # fig2 = px.pie( # df, # names="sport_map", # 使用中文的內容 # title="各運動項目人數比例", # hole=0.4 # 變甜甜圈 # ) fig2.show()

Run to view results

3.分佈分析：研究者想看各年級學生的「體能分數」(fitness_score) 離散程度（包含最大、最小、中位數與離群點）。你應該使用什麼圖？請實作！

箱型圖 (Box Plot):看統計摘要

fig3 = px.box( df, x="grade", y="fitness_score", title="不同年級的體能分數分佈" ) fig3.show()

Run to view results

4.次數分析：研究者想看全體學生的「運動滿意度」(satisfaction) 在 1 到 5 分之間的次數分佈情況。你應該使用什麼圖？請實作！

直方圖 (Histogram):看數據分布

fig4 = px.histogram( df, x="satisfaction", nbins=5, title="運動滿意度分布", labels={'satisfaction':'滿意度'} # count是px計算而來！也可能是percentage, of avg, etc. ) fig4.update_layout( bargap=0.2, # bar間距 # font=dict(family="Noto Sans CJK TC"), xaxis_title="滿意度", yaxis_title="人次" ) fig4.show()

Run to view results

5.趨勢分析：研究者想將數據按「週運動天數」(weekly_exercise_days) 分組後，畫出「平均體能分數」(fitness_score) 隨天數（1-7天）變化的線條。你應該使用什麼圖？請實作！

折線圖 (Line Chart):看趨勢變化

# 先計算平均 df_avg = df.groupby("weekly_exercise_days", as_index=False)["fitness_score"].mean() fig5 = px.line( df_avg, x="weekly_exercise_days", y="fitness_score", markers=True, title="每週運動天數 vs 平均體能分數", labels={'weekly_exercise_days': '每週運動天數', 'fitness_score': '平均體能分數'} ) fig5.show()

Run to view results

6.矩陣分析：你想一次看所有數值欄位（時數、天數、分數、年級）(weekly_training_hours, weekly_exercise_days, fitness_score, grade)兩兩之間的相關係數深淺。你應該使用什麼圖？請實作！

熱力圖 (Heat map):看密度與相關性