京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何对考试成绩进行数据分析(2)-数据分析师考试
五、如何简洁作出标准分的数据? 打开08级成绩,看“原始分换算成标准分”,分别在语文、数学、…后面插入一列,例如:白月同学的语文标准分是108,在其后面的空格中输入:=100*(D2-AVERAGE(D$3:D$746))/STDEVP(D$3:D$746)+500这就将白月同学的语文成绩转化为标准分了,成绩是445分。只需要双击445就可以将所有高一的学生语文成绩都转化为标准分了,只需复制这一列到数学后一列,就自动生成了数学的标准分了,同理可得到其他各科的标准分。
六、如何对数据进行分析
1、任课教师如何通过数据对学生进行指导
打开08级成绩,看“学生标准分与班级各科平均分”,例如:通过白月同学的成绩可以明显看出,她的理科相对比较强,尤其数学非常突出,超过了86.65%的同学,文科相对比较薄弱,尤其历史,有86.21%的同学超过了她。再看“学生增值与班级各科平均增值”,白月同学的数学、化学较上次期中考试进步幅度较大,而语文、历史、地理较上次期中考试退步也很明显。任课教师可以深入了解白月同学的学习方法与学习习惯,针对本学科的特点,提供给她一些合理化的建议。
2、任课教师如何通过数据反思自己的教学打开08级成绩,看“学生标准分与班级各科平均分”,例如:高一、1班的英语平均分为531,在全班各科名列第一,在高一外语中也名列第一,在高一各科中也名列前茅,因此这个班的英语不仅是班级的优势科,也是高一级部的优势科。再看“学生增值与班级各科平均增值”,高一、1班的英语平均增值为9,增值率(正增值的学生数除以学生总数)为55.32%,说明该科老师的教学对高一、1班学生的正影响较大。
Excel应对特殊学生成绩分析统计
1.考试混合编,成绩统一理--老方法遇到新问题
关于使用Excel进行学生成绩处理,已经是老话题了。但在实际工作中还是会有很多新问题,例如,现在很多学校都是全年级各班混在一起考试,以防考试改卷中的不正当竞争。而统计成绩时,则是将已判分但未拆封的考卷统一交到教务处,先按座位号顺序(每本考卷的自然顺序)录入各科分数,再分析统计出全年级各科成绩。举例说明,如图1(记录11至830隐藏了),要统计二(1)班优秀人数,传统做法就是先按考试号排序,再通过公式“=COUNTIF(分数!D2:D69,">=96")”求出。它的弊端是要手工逐个修改“D2:D69”这个参数中的两个行号(2和69),这可是一项工作量很大的工作。当然,简单的方法还是有的,往下看吧。 2.初步准备--考试号里提班级
如图1,从B列的考试号中取出前三位(班级编号)放在S列,即在单元格S2输入公式“=LEFT(B2,3)”,然后双击(或拖动)S2单元格右下角的填充柄即可。3.再做辅表--班级等级二合一
在图1所示的工作簿中再新建一工作表,并将其命名为“等级”,在单元格A1中输入公式“=分数!A1”,回车,选定A1,按住A1右下角的填充柄向右下拖至C840单元格,将“分数”工作表中的姓名、考号、座位号引用到“等级”工作表中(注意,千万不能复制粘贴过来,这样不能保持两表数据的一致性)。再选定C1,按住C1右下角的填充柄向右拖至L1单元格,将语文、数学等9个学科科目引用过来。接着,在D2单元格中输入IF嵌套公式“=IF(分数!D2>=96,分数!$S2&&"a",IF(分数!D2>=72,分数!$S2&&"b",IF(分数!D2<48,分数!$S2&&"d",分数!$S2&&"c")))”。D2单元格中公式的含义是:看“分数!D2”单元格中的分数(即“分数”工作表中李悦的语文分数)是否大于等于96。如果是,则在D2单元格中填入“201a”——“分数”工作表中S2单元格中的字符“201”加上“a”(“201”表示二(1)班,“a”表示成绩等级为“优秀”);如果不是(即小于96),再看是否大于等于72。如果是,则在D2单元格中填入“201b”;如果不是(即小于72),再看是否小于48。如果是,则在D2单元格中填入“201d”;如果不是(即小于72大于48),则在D2单元格中填入“201c”。最后按住D2单元格右下角的填充柄向右下拖至L840单元格,就可以将每个学生各科成绩的等级及所属班级都填好了
4.最终统计--所需数据瞬间齐
辅表制好之后,言归正传回到“统计”工作表(如图2)中,在A17到E28单元格区域中利用自动填充功能再制作一小块辅助数据(如图2)。
万事俱备,下面开始班级总人数及优秀率、及格率等的统计了。仍以二(1)班优秀率为例,现在就改用这样的公式了“COUNTIF(等级!$D:$D,$B17)”,即对“等级”工作表中D列所有单元格进行统计(等级!$D:$D),找出值为“201a”(本工作表即“统计”工作表的$B17的值,代表二(1)班优秀率)的单元格数目。 具体做法如下:
(1)班级总人数(在B4单元格中输入):“=COUNTIF(分数!$S:$S,A17)”;
(2)优秀人数(在C4单元格中输入):“=COUNTIF(等级!$D:$D,$B17)”;
(3)优秀率(在D4单元格中输入):“=C4/$B4 100”;
(4)及格人数(在E4单元格中输入):“=COUNTIF(等级!$D:$D,$B17)+COUNTIF(等级!$D:$D,$C17)”;
(5)及格率(在F4单元格中输入):“=E4/$B4 100”;
(6)低分人数(在G4单元格中输入):”=COUNTIF(等级!$D:$D,$E17)”;
(7)低分率(在H4单元格中输入):“=G4/$B4 100”;
到此为止,其余数据通过自动填充功能,瞬间即可完成。
5.方法点评--一表成,终年用,一劳而永逸
(1)不同年级成绩统计的简单套用:比如,首先制作好了一年级的统计表,通过复制粘贴将第一个工作表(“分数”工作表)的内容更改为二年级的数据表,则二年级的成绩统计便自然而成。
(2)多次考试成绩统计的简单套用:这次考试的统计表,到下次考试成绩统计时,照用不误,只将第一个工作表换成新生的成绩记载就可以了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01