Kaggle-Students' Academic Performance(EDA)

필요한 모듈 임포트

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

데이터 셋 준비및 수치형,범주형,타겟 데이터 정의

df = pd.read_csv('content/xAPI-Edu-Data.csv')
df.head()

	gender	NationalITy	PlaceofBirth	StageID	GradeID	SectionID	Topic	Semester	Relation	raisedhands	VisITedResources	AnnouncementsView	Discussion	ParentAnsweringSurvey	ParentschoolSatisfaction	StudentAbsenceDays	Class
0	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	15	16	2	20	Yes	Good	Under-7	M
1	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	20	20	3	25	Yes	Good	Under-7	M
2	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	10	7	0	30	No	Bad	Above-7	L
3	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	30	25	5	35	No	Bad	Above-7	L
4	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	40	50	12	50	No	Bad	Above-7	M

• 수치형 데이터: raisedhands, VisITedResources, AnnouncementsView, Discussion
• 범주형 데이터: gender, NationalITy, PlaceofBirth, StageID, GradeID, SectionID, Topic, Semester, Relation, ParentAnsweringSurvey, ParentschoolSatisfaction, StudentAbsenceDays
• 타겟 데이터: Class

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 480 entries, 0 to 479
Data columns (total 17 columns):
 #   Column                    Non-Null Count  Dtype 
---  ------                    --------------  ----- 
 0   gender                    480 non-null    object
 1   NationalITy               480 non-null    object
 2   PlaceofBirth              480 non-null    object
 3   StageID                   480 non-null    object
 4   GradeID                   480 non-null    object
 5   SectionID                 480 non-null    object
 6   Topic                     480 non-null    object
 7   Semester                  480 non-null    object
 8   Relation                  480 non-null    object
 9   raisedhands               480 non-null    int64 
 10  VisITedResources          480 non-null    int64 
 11  AnnouncementsView         480 non-null    int64 
 12  Discussion                480 non-null    int64 
 13  ParentAnsweringSurvey     480 non-null    object
 14  ParentschoolSatisfaction  480 non-null    object
 15  StudentAbsenceDays        480 non-null    object
 16  Class                     480 non-null    object
dtypes: int64(4), object(13)
memory usage: 63.9+ KB

1. 학생 성별 분포

plt.figure(figsize=(8, 5))
sns.countplot(x=df['gender'], palette='pastel')
plt.title("Student's Gender Distribution")
plt.xlabel("Gender")
plt.ylabel("Student Count")
plt.show()

C:\Users\Public\Documents\ESTsoft\CreatorTemp\ipykernel_29608\3020103060.py:2: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.countplot(x=df['gender'], palette='pastel')

• 여학생보다 남학생의 수가 더 많다.

2. 학생 국적 분포

plt.figure(figsize=(12, 6))
sns.countplot(y=df['NationalITy'], palette='viridis', order=df['NationalITy'].value_counts().index)
plt.title("Student's NationalITy")
plt.xlabel("Student Count")
plt.ylabel("NationalITy")
plt.show()

C:\Users\Public\Documents\ESTsoft\CreatorTemp\ipykernel_29608\1280284744.py:2: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `y` variable to `hue` and set `legend=False` for the same effect.

  sns.countplot(y=df['NationalITy'], palette='viridis', order=df['NationalITy'].value_counts().index)

• 대부분의 학생들은 쿠웨이트와 요르단 국적이다.

3. 학년(StageID) 분포

plt.figure(figsize=(8, 5))
sns.countplot(x=df['StageID'], palette='muted')
plt.title("Student's Grade Level")
plt.xlabel("Stage")
plt.ylabel("Student Count")
plt.show()

C:\Users\Public\Documents\ESTsoft\CreatorTemp\ipykernel_29608\2414966448.py:2: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.countplot(x=df['StageID'], palette='muted')

• lowerlevel과 MiddieSchool이 많은 비중을 차지하고 있고 highschool에는 적은 학생수로 분포되있다.

4. 과목별 학생 수

plt.figure(figsize=(12, 6))
sns.countplot(y=df['Topic'], palette='coolwarm', order=df['Topic'].value_counts().index)
plt.title("Student Distribution by Subject")
plt.xlabel("Student Count")
plt.ylabel("Subject")
plt.show()

C:\Users\Public\Documents\ESTsoft\CreatorTemp\ipykernel_29608\4100684295.py:2: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `y` variable to `hue` and set `legend=False` for the same effect.

  sns.countplot(y=df['Topic'], palette='coolwarm', order=df['Topic'].value_counts().index)

sns.countplot(x='Topic', data=df, hue='Class', palette='coolwarm', hue_order=['L', 'M', 'H'])
plt.xticks(rotation=90)
plt.show()

IT과목은 다른 과목들에 비해 성적 등급을 받기 어려운것으로 보인다.

생물학 과목을 수강한 학생들은 성적이 높은편이다.

# 범주형 데이터인 타겟 컬럼을 수치로 바꾸어 표현
# L: -1, M: 0, H:1
df['Class_value'] = df['Class'].map({'L': -1, 'M': 0, 'H': 1})
df.head()

	gender	NationalITy	PlaceofBirth	StageID	GradeID	SectionID	Topic	Semester	Relation	raisedhands	VisITedResources	AnnouncementsView	Discussion	ParentAnsweringSurvey	ParentschoolSatisfaction	StudentAbsenceDays	Class	Class_value
0	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	15	16	2	20	Yes	Good	Under-7	M	0
1	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	20	20	3	25	Yes	Good	Under-7	M	0
2	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	10	7	0	30	No	Bad	Above-7	L	-1
3	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	30	25	5	35	No	Bad	Above-7	L	-1
4	M	KW	KuwaIT	lowerlevel	G-04	A	IT	F	Father	40	50	12	50	No	Bad	Above-7	M	0

5. 결석 횟수와 성적의 관계

plt.figure(figsize=(8, 5))
sns.countplot(x=df["StudentAbsenceDays"], hue=df["Class"], palette="coolwarm", hue_order=["L", "M", "H"])
plt.title("Absence Days Distribution by Grade")
plt.xlabel("Absence Days")
plt.ylabel("Student Count")
plt.legend(title="Grade")
plt.show()

• 결석이 7회 미만(Under-7)인 경우, 높은 성적(H)과 보통 성적(M)을 받은 학생들이 많으며, 낮은 성적(L)을 받은 학생은 거의 없다.
• 결석이 7회 이상(Above-7)인 경우, 낮은 성적(L)을 받은 학생이 압도적으로 많고, 높은 성적(H)을 받은 학생은 거의 없다.

• 즉 결석횟수가 증가할수록 성적이 낮아지는 경향이 뚜렷하다.
• -> 출석을 잘하는 학생들이 높은 성적을 받을 가능성이 크다.

6. 성적에 따른 손을 든 횟수

plt.figure(figsize=(10, 5))
sns.boxplot(x=df['Class'], y=df['raisedhands'], palette='coolwarm', order=['L', 'M', 'H'])
plt.title("Number of Raised Hands by Grade")
plt.xlabel("Grade")
plt.ylabel("Raised Hands Count")
plt.show()

C:\Users\Public\Documents\ESTsoft\CreatorTemp\ipykernel_17372\2281953725.py:2: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.boxplot(x=df['Class'], y=df['raisedhands'], palette='coolwarm', order=['L', 'M', 'H'])

1. 높은 성적(H) 그룹: 손을 든 횟수가 많고, 전체적으로 높은 분포를 보임
2. 보통 성적(M) 그룹: 손을 든 횟수가 중간 정도의 값을 보이며, 편차가 있음.

즉, 손을 자주 드는 학생일수록 성적이 높을 가능성이 크다는 인사이트 도출

7. 성적에 따른 학습 자료 확인 횟수

plt.figure(figsize=(10, 5))
sns.boxplot(x=df['Class'], y=df['VisITedResources'], palette='coolwarm' , order=['L', 'M', 'H'])
plt.title("Resource Visits by Grade")
plt.xlabel("Grade")
plt.ylabel("Resource Visits")
plt.show()

C:\Users\Public\Documents\ESTsoft\CreatorTemp\ipykernel_17372\1049629123.py:2: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.boxplot(x=df['Class'], y=df['VisITedResources'], palette='coolwarm' , order=['L', 'M', 'H'])

1. 높은 성적(H) 그룹: 학습 자료 확인 횟수가 많으며, 중앙값이 높다.
2. 보통 성적(M) 그룹: 손을 든 횟수가 중간 정도의 값을 보이며, 편차가 있음.
3. 낮은 성적(L) 그룹: 손을 든 횟수가 전반적으로 낮으며, 최댓값도 비교적 낮다.

• 즉, 손을 자주 드는 학생일수록 성적이 높을 가능성이 크다는 인사이트를 얻을 수 있다.

8. 부모가 학교 설문에 참여했는지 여부

sns.countplot(x='ParentschoolSatisfaction', data=df, hue='Class',palette='coolwarm',  hue_order=['L', 'M', 'H'])

• 부모가 학교에 만족한 학생이 그렇지 않은 학생보다 성적 등급이 더 높다.
• 하지만 자녀의 성적이 좋기 때문에 부모가 학교에 만족한 것일 수도 있다.
• 설문 조사가 진행된 시기가 성적이 나오기 전/후인지 알 수 없기 때문에 분석에서 제외하는 것이 좋다.

8. 변수 간 상관관계 분석

plt.figure(figsize=(10, 6))
sns.heatmap(df.corr(numeric_only=True), annot=True, cmap='coolwarm', fmt='.2f', linewidths=0.5, annot_kws={"size": 12})
plt.title("Feature Correlation Heatmap")
plt.xticks(rotation=45)  # X축 라벨 회전
plt.yticks(rotation=0)   # Y축 라벨 고정
plt.show()

raisedhands ↔ VisITedResources (0.69)

• 학생이 수업 중 손을 많이 들수록 온라인 리소스를 자주 확인하는 경향이 있음.

raisedhands ↔ AnnouncementsView (0.64)

• 수업 중 손을 많이 드는 학생일수록 공지사항도 자주 확인하는 경향이 있음.

교사의 공지를 잘 챙겨보는 학생들이 수업에서도 적극적인 태도를 보일 가능성이 높음.

Discussion ↔ 다른 변수들의 상관관계가 상대적으로 낮음 (~0.34 이하)

• 수업 중 토론(Discussion) 참여는 다른 활동(raisedhands, VisITedResources)과 비교적 낮은 상관관계를 가짐.

일부 학생들은 토론보다는 개별 학습에 집중하는 경향이 있을 수 있음.