综合实战：分析一份成绩单

毕业项目：给全班成绩做一次体检：把第二章的新装备全部用上——读文件、字符串处理、NumPy 统计、多图展示。任务设定：scores.csv 里存着全班成绩，每行是「姓名,语文,数学」，我们要算统计量、找出偏科生、画出全景图。

第一步：读进来并拆开：

import numpy as np
names, yw, sx = [], [], []
for line in open('scores.csv'):
    n, a, b = line.strip().split(',')
    names.append(n); yw.append(float(a)); sx.append(float(b))
yw = np.array(yw); sx = np.array(sx)

strip 去掉行尾换行，split 按逗号拆开，float 把字符串变数字——第一章的文件加这一讲的字符串，第一环就通了。

第二步：算一算：yw.mean() 是语文平均；np.abs(yw - sx) 算每人两科差距，.argmax() 返回「最大值在哪个位置」的下标，names[i] 就是「最偏科的同学」。

第三步：画出来：subplots 开两个子图——左边 scatter(yw, sx) 看两科关系，右边 bar 画各科平均。偏离对角线最远的散点，正是偏科生。

收官的话：两章十八讲到此，从 print 到矩阵、从变量到类，读《动手学深度学习》的工具箱已经装满。翻开 d2l，从预备知识章正式出发吧。

常见误区：csv 第一行常是表头（姓名，语文，数学），直接 float 转换会炸——用 next(f) 跳过或加 if 判断。

练一练：真造一个五六行的 scores.csv，跑通这三步，把图拿给家里人讲讲你发现了什么。