新高考 “七选三” 选科直接影响学生高考志愿、专业选择甚至未来职业方向。传统凭感觉选科容易出现学科不匹配、成绩波动大、竞争劣势等问题。

本文基于

Python+Pandas+Matplotlib+Seaborn + 机器学习，对某高中高二学生脱敏成绩数据进行全流程选科数据分析，包含：

• 精准筛选高二学生

• 数据读取与脱敏处理

• 缺失值 / 异常值清洗

• Z 分数标准化（跨科目公平对比）

• 已定科 / 待选科群体识别

• 多维度最优选科推荐

• 学科难度与相关性可视化

• 孤立森林智能清洗

• 成绩稳定性特征工程

全程保姆级步骤，小白可直接运行，适合高中生、家长、老师、数据爱好者学习！

目录

1️⃣ 项目背景与数据说明

1.1 业务背景

新高考 “七选三”：物理、化学、生物、历史、地理、政治、技术，学生必须从中选择 3 门作为高考选考科目。

选科直接决定：

• 高考赋分排名

• 可报考专业范围

• 高中学习难度与压力

• 最终高考总分

目标：用数据科学给出最科学的选科建议，而不是凭兴趣、跟风、凭感觉选科。

1.2 数据集说明

• 数据来源：某高中真实学生考试成绩（已脱敏）

• 分析对象：仅高二学生（高一无需选、高三已选完）

• 脱敏处理：删除姓名、身份证、家庭信息，仅保留学号、班级、科目、考试、成绩

• 数据文件：

• 2_student_info.csv
   学生信息表

• 5_chengji.csv
   成绩数据表

• 数据规模：2000+ 学生，7 门选考科目，多学期考试成绩

数据集链接：https://pan.baidu.com/s/13kFfJU_4fL8PvW-VtDQ8rA提取码可私信获取

2️⃣ 技术栈选型

• Python 3.8+

• Pandas：数据读取、清洗、分组、计算

• Matplotlib / Seaborn：数据可视化绘图

• Scikit-learn：孤立森林异常检测

• NumPy：数值统计与计算

3️⃣ 环境准备

安装依赖库：

pip install pandas numpy matplotlib seaborn scikit-learn

4️⃣ 数据获取与筛选（高二专属）

由于只有高二学生需要选科，因此第一步必须精准筛选，剔除高一、高三数据，保证分析精准。

4.1 读取学生信息

student_info = pd.read_csv("../data/2_student_info.csv")gaoer_student = student_info[student_info["cla_Name"].str.contains("高二", na=False)]gaoer_ids = gaoer_student["bf_StudentID"].tolist()

4.2 只保留高二学生成绩

df = pd.read_csv('../data/5_chengji.csv')df = df[df["mes_StudentID"].isin(gaoer_ids)]

5️⃣ 数据清洗（核心）

原始成绩数据非常脏，必须清洗：

• 缺考 / 作弊标记：-1、-2、-3

• 异常高分 / 低分

• 非选考科目

• 空值、错误字符

5.1 筛选七选三科目

SUBJECT_LIST = ['物理','化学','生物','历史','地理','政治','技术']df = df[df['mes_sub_name'].isin(SUBJECT_LIST)].copy()

5.2 清洗无效成绩

df['mes_Score'] = pd.to_numeric(df['mes_Score'], errors='coerce')df = df[(df['mes_Score'] > 0) & (~df['mes_Score'].isin([-1, -2, -3]))].copy()

5.3 缺失值处理

df['mes_Score'] = df['mes_Score'].fillna(df.groupby('mes_sub_name')['mes_Score'].transform('mean'))df = df.dropna(subset=['mes_Score'])

6️⃣ Z 分数标准化计算

不同科目、不同考试难度不同，不能直接用原始分比较强弱。必须使用 Z 分数 实现跨科目公平对比。

公式：Z = (个人成绩 - 科目平均分) / 科目标准差

defcalculate_z_by_exam(group):           scores = group['mes_Score']           std = scores.std()           group['mes_Z_Score'] = (scores - scores.mean()) / std if std != 0else0       return groupdf = df.groupby(['mes_TestID','mes_sub_name']).apply(calculate_z_by_exam)

作用：

• 看相对排名，不看绝对分数

• 跨科目公平比较强弱

• 消除考试难度差异

7️⃣ 选科状态识别（已定科 / 待选科）

根据学生有效成绩科目数，自动划分学生类型：

• 已定科
  ：恰好 3 科有稳定有效成绩

• 待选科
  ：未确定 3 科，需要系统推荐

defis_fixed(row):   returnsum(1for sub in SUBJECT_LIST if row[sub] != 0) == 3fixed_stu = pivot[pivot.apply(is_fixed, axis=1)]free_stu = pivot[~pivot.apply(is_fixed, axis=1)]

8️⃣ 选科推荐算法（综合评分模型）

本项目采用多维度加权综合评分，比单纯看分数更科学、更贴合高中实际。

评分公式：

• Z 得分：40%

• 原始分得分：30%

• 稳定性得分：20%

• 区分度得分：10%

df["选科综合得分"] = (    df["Z得分"] * 0.4    + df["原始分得分"] * 0.3    + df["稳定性得分"] * 0.2    + df["区分度得分"] * 0.1)

按综合得分排序，自动取前三科作为推荐结果。

同时输出两套方案：

1. 最优方案：Z 分最高三科（冲高分）
2. 备选方案：最强主科 + 关联度最高两科（保稳定）

9️⃣ 数据可视化分析

9.1 科目难度箱线图

直观展示各科难度、平均分、分数分布：

sns.boxplot(data=score_pivot, palette='Set2')plt.axhline(年级均值, color='red', linestyle='--')plt.savefig('科目难度箱线图.png')

9.2 学科相关性热力图

展示科目之间关联性，帮助选择学习效率更高的组合：

corr_matrix = score_pivot.corr()sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')plt.savefig('学科相关性热力图.png')

🔟 进阶：机器学习清洗 + 特征工程

10.1 孤立森林异常检测

自动识别异常成绩，比人工规则更智能：

iso_forest = IsolationForest(contamination=0.05)df['anomaly'] = iso_forest.fit_predict(df[['mes_Score']])df = df[df['anomaly'] == 1]

10.2 特征工程：成绩稳定性

计算变异系数 CV，识别 “高分不稳” 的学生：

student_features['cv'] = student_features['score_std'] / student_features['score_mean']

1️⃣1️⃣ 项目运行效果

运行后自动输出 6 个文件：

1. clean.csv —— 清洗后标准成绩
2. 科目难度箱线图.png
3. 学科相关性热力图.png
4. 已定科学生分析表.csv
5. 七选三推荐组合结果.csv
6. 高二学生_七选三推荐结果.csv
7. 学生选课推荐表

最终推荐表包含：

• 学生 ID

• 推荐科目 1/2/3

• 综合得分

• Z 分

• 原始分可直接交给班主任、学生、家长使用。

学生选课推荐表

已定科学生分析表

1️⃣2️⃣ 踩坑总结

1. 必须只筛选高二学生，否则结果无效
2. 成绩中的 -1/-2/-3 必须删除
3. Z 分数必须按 考试 + 科目 分组计算
4. 中文图表必须配置字体，否则乱码
5. 每个学生每科只保留一条记录，避免重复计算

1️⃣3️⃣ 项目优化方向

• 加入大学专业选科要求匹配

• 加入班级 / 年级对比报告

• 构建 Web 可视化平台

• 加入历年高考数据预测

• 生成 PDF 个人选科报告