偏科是高中阶段最影响成绩、最容易被误判的问题！只看分数补课、不挖根源，往往越补越糟。本文基于 Python + Pandas + Matplotlib + Seaborn + 孤立森林机器学习，对某中学近 70 万条脱敏真实数据（成绩、考勤、消费、住宿、违纪、教师任教）做全流程偏科分析，包含：

• 偏科系数建模 + 自动三级打标（均衡 / 轻度 / 重度）
• 数据清洗：异常成绩、缺考、作弊一键剔除
• Z 分数 / T 分数标准化（跨学科公平对比）
• 性别 × 住宿高危群体精准定位
• 教师任教 / 更替对班级偏科影响分析
• 消费层级 + 作息规律度关联挖掘
• 缺考 / 违纪负面行为预警
• 偏科时间演化拐点追踪
• 雷达图映射行为风险
• 全自动输出结果表 + 高清图表

        全程保姆级步骤，小白可直接运行，适合：高中生家长、班主任、学科老师、数据分析爱好者、数智化教育项目！

目录

1. 项目背景与数据说明

2.技术栈选型

3.环境准备

4.数据读取与脱敏处理

5. 数据清洗（核心！异常成绩 + 伪偏科过滤）

6. 偏科识别模型（偏科系数 + 三级打标）

7. 性别 × 住宿交叉分析（高危人群定位）

8. 师资维度：教师影响与更替分析

9. 消费习惯 + 作息规律度分析（孤立森林）

10. 考试负面行为：缺考 / 违纪预警

11. 偏科随时间演化：分化拐点追踪

12. 考勤违纪雷达图映射

13.核心结论与干预建议

14. 踩坑总结

15. 项目优化方向

1️⃣ 项目背景与数据说明

1.1 业务背景

        高中偏科不只是 “单科差”，而是学习习惯、生活节律、师资匹配、心理状态共同导致的系统性问题。传统干预痛点：

• 只看单次分数，误判假性偏科
• 只补课，不纠正作息与行为
• 找不到真正高风险群体
• 干预滞后，等到高三难以挽回

目标：用数据科学定位 谁易偏科、为何偏科、何时恶化、如何干预，实现精准预警、科学治理。

1.2 数据集说明

• 数据来源：宁波某中学真实脱敏教育数据
• 数据规模：近 70 万条记录
• 涉及表：
  • 学生信息表（性别、班级、住宿）
  • 成绩表（多次考试、7 选 3 科目）
  • 考勤表（迟到、违纪、缺席）
  • 消费表（刷卡时间、金额）
  • 教师任教表（任课、换师记录）
• 脱敏处理：删除姓名、隐私，仅保留分析字段

2️⃣ 技术栈选型

• Python 3.8+
• Pandas：数据读取、清洗、分组、聚合、交叉表
• NumPy：标准差、极差、熵值计算
• Matplotlib/Seaborn：绘图、热力图、雷达图、小提琴图
• Scikit-learn：孤立森林（异常检测 / 规律度评分）
• 正则表达式：违纪文本结构化提取

3️⃣ 环境准备

        一键安装依赖：

pip install pandas numpy matplotlib seaborn scikit-learn

4️⃣ 数据读取与脱敏处理

# 中文字体设置
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

# 读取核心宽表数据
df = pd.read_csv("全维度综合成绩宽表.csv", low_memory=False)
# 读取偏科标签结果
df_bias = pd.read_csv("学生偏科标签特征库.csv", encoding="utf-8-sig")

5️⃣ 数据清洗（核心！）

        原始数据非常脏，必须清洗，否则直接导致 “伪偏科”：

# 1. 转为数值，剔除异常
df['mes_T_Score'] = pd.to_numeric(df['mes_T_Score'], errors='coerce')
# 2. 剔除缺考、作弊、无效分
df = df[(df['mes_Score'] > 0) & (~df['mes_Score'].isin([-1, -2, -3]))].copy()
# 3. 去空
df = df.dropna(subset=['mes_T_Score', 'mes_sub_name', 'mes_StudentID'])
# 4. 剔除有效科目<4的学生，避免伪偏科
sub_cnt = df.groupby('mes_StudentID')['mes_sub_name'].nunique()
valid_ids = sub_cnt[sub_cnt >= 4].index
df = df[df['mes_StudentID'].isin(valid_ids)]

6️⃣ 偏科识别模型（三级自动打标）

核心思路：

• 计算每个学生各科 Z 分标准差作为偏科系数
• 按分位数划分：均衡 / 轻度偏科 / 重度偏科

    # 按学生+科目求平均Z分
    stu_sub = df.groupby(['mes_StudentID','mes_sub_name'])['mes_Z_Score'].mean().reset_index()
    # 计算偏科指标
    bias = stu_sub.groupby('mes_StudentID')['mes_Z_Score'].agg(['std','max','min']).reset_index()
    bias['range'] = bias['max'] - bias['min']
    # 分位数打标
    t1 = bias['std'].quantile(0.5)
    t2 = bias['std'].quantile(0.85)
    def label(x):
        if x['std'] >= t2: return '重度偏科'
        elif x['std'] >= t1: return '轻度偏科'
        else: return '均衡发展'

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 性别 × 住宿交叉分析（最高危人群）

        采用多维特征交叉组合运算（Multi-dimensional Cross-tabulation），将两类二分类特征（性别 × 住宿状态）相乘组合出四类细分客群矩阵。

# 交叉表
cross = pd.crosstab([df['bf_sex_label'], df['bf_zhusu_label']], df['bias_type'], normalize='index')*100
# 热力图
plt.figure(figsize=(9,6))
sns.heatmap(cross, annot=True, fmt='.1f', cmap='YlOrRd', linewidths=0.5)
plt.title('性别×住宿偏科占比热力图', fontweight='bold', fontsize=14)
plt.tight_layout()
plt.savefig('图表_3_多维综合_热力分布图.png', dpi=300)

关键结论：

• 女走读：均衡率 64.4%，重度偏科仅 7.4%
• 男住校：均衡率 34.2%，重度偏科 23.2%（最高危）
• 住校显著提升偏科风险

8️⃣ 师资维度：教师影响与换师拐点

        基于班级学科偏科系数分析发现，不同教师对班级整体学科表现具有显著影响。

# 班级偏科系数 = 班均分 - 年级均分
grade_avg = df.groupby(['exam_number','mes_sub_name'])['mes_T_Score'].mean().reset_index()
class_avg = df.groupby(['exam_number','mes_sub_name','cla_Name','bas_Name'])['mes_T_Score'].mean().reset_index()
final = class_avg.merge(grade_avg, on=['exam_number','mes_sub_name'])
final['bias_coef'] = final['mes_T_Score_x'] - final['mes_T_Score_y']

结论：

• 教师直接决定班级学科强弱
• 换师后常出现深 V 反弹 / 断崖下滑
• 师资匹配比绝对能力更重要

9️⃣ 消费 + 作息：生活失控→学业失衡

使用孤立森林 + 信息熵计算作息规律度：

from sklearn.ensemble import IsolationForest
# 住校/走读分开建模
iso = IsolationForest(random_state=42)
df['regularity_score'] = iso.fit_predict(X)

结论：

• 中等消费最稳定，高消费易分心
• 作息越乱，偏科越严重
• 生活节律是前置预警信号

🔟 考试负面行为：缺考 = 学习逃避

        重度偏科伴随习惯性逃避

neg = df[df['mes_Score'].isin([-1,-2,-3])].copy()
neg['type'] = neg['mes_Score'].map({-1:'作弊',-2:'缺考',-3:'免考'})
# 热力图
pivot = neg.pivot_table(index=['bias_type','type'], columns='mes_sub_name', values='mes_Score', aggfunc='count')
sns.heatmap(pivot, annot=True, fmt='d', cmap='OrRd')

结论：

• 重度偏科高频缺考：英语、地理、化学、语文
• 缺考不是失误，是习惯性逃避

• 这些科目要么依赖长期积累，要么存在较高理解与记忆门槛。

1️⃣1️⃣ 偏科时间演化：高一下快速恶化

        偏科并非天生，而是逐渐分化并在后期恶化。在入学初期，均衡发展、轻度偏科与重度偏科三类学生的学科波动水平接近，差异并不显著；进入高一下学期至高二阶段后，重度偏科群体的学科极差与变异系数开始快速上升，并逐渐与均衡发展群体拉开差距。

# 按时间计算极差/变异系数
exam_agg = student_exam_stats.groupby(['bias_type','exam_sdate']).agg({'t_range':'mean','t_cv':'mean'}).reset_index()
sns.lineplot(data=exam_agg, x='exam_sdate', y='avg_t_range', hue='bias_type', marker='o')

结论：

• 高一：差异很小
• 高一下 — 高二：偏科急剧分化（关键干预期）
• 高三：波动剧烈，难以挽回

1️⃣2️⃣ 考勤雷达图：早读迟到最强预警

        严重偏科学生往往同时伴随时间管理失效、早晨起床困难及对学习任务的潜在抗拒。早读迟到缺席并非孤立纪律问题，而是学生对高压学习日程产生逃避心理的重要外显信号。

# 正则提取违纪类型：早读迟到、晚自习违纪、仪容不整
viol = kaoqin_full.dropna(subset=['violation_type'])
# 雷达图绘制
ax = plt.subplot(111, polar=True)
ax.plot(angles, values, linewidth=2, label=bias)
ax.fill(angles, values, alpha=0.1)

结论：

• 重度偏科：早读迟到缺席最突出
• 纪律问题 = 学习抗拒的外显信号

1️⃣3️⃣ 核心结论

1. 男住校生是偏科第一高危群体
2. 住校显著提升偏科风险，需强化早晚管理
3. 偏科不是单科问题，是生活 + 行为 + 教学共同导致
4. 早读迟到、作息混乱、高频缺考是最有效前置预警
5. 最佳干预期：高一下学期 — 高二上学期
6. 教师更替是成绩拐点关键诱因，必须平稳过渡

---

1️⃣4️⃣ 踩坑总结（必看！）

1. 不做 Z/T 分数标准化 → 偏科判定完全错误
2. 不剔除缺考 / 作弊 /-1/-2/-3 → 大量伪偏科
3. 不筛选有效科目≥4 → 结果失真
4. 住校 / 走读用同一规律度模型 → 误判严重
5. 图表不设中文字体 → 方格乱码
6. 只看分数不看行为 → 找不到根源

1️⃣5️⃣ 项目优化方向

• 接入心理测评数据，完善情绪预警
• 构建实时 BI 看板，自动推送高危名单
• 加入选科关联度，实现偏科 + 选科联动推荐
• 生成个人 PDF 干预报告（家长版 / 学生版）
• 长期跟踪干预效果，形成闭环管理