Python学生成绩分析与处理教程
学习知识要善于思考,思考,再思考!今天golang学习网小编就给大家带来《Python学生成绩处理与分析教程》,以下内容主要包含等知识点,如果你正在学习或准备学习文章,就都不要错过本文啦~让我们一起来看看吧,能帮助到你就更好了!

本文档旨在提供一个Python程序,用于读取包含学生成绩信息的文本文件,计算综合成绩,并将结果写入新文件。同时,程序还将统计各分数段的学生人数,并计算班级平均分。通过本文,你将学习如何使用Python进行文件读写、数据处理和统计分析。
文件读取与数据解析
首先,我们需要从score1.txt文件中读取数据。文件中的每一行包含学生的学号、平时成绩和期末成绩,数据之间用空格分隔。以下代码展示了如何读取文件并解析数据:
import re
def process_scores(input_file="score1.txt", output_file="score2.txt"):
"""
读取学生成绩文件,计算综合成绩,并输出到新文件,同时进行统计分析。
"""
student_scores = []
try:
with open(input_file, 'r') as f:
for line in f:
# 使用正则表达式分割字符串,处理多个空格的情况
data = re.split(r'\s+', line.strip())
if len(data) == 3: # 确保每行数据完整
student_scores.append(data)
else:
print(f"Warning: Invalid data line: {line.strip()}")
except FileNotFoundError:
print(f"Error: Input file '{input_file}' not found.")
return
# 打印读取的数据,方便调试
print("Raw data read from file:", student_scores)上述代码使用with open()语句打开文件,确保文件在使用完毕后自动关闭。re.split(r'\s+', line.strip()) 使用正则表达式\s+来分割字符串,可以处理多个空格的情况,line.strip()用于移除行首尾的空白字符,避免干扰数据解析。如果某行数据不完整(不是三个字段),会打印警告信息。
注意事项:
- 确保score1.txt文件存在,并且格式正确。
- 使用re.split()可以更灵活地处理数据之间的分隔符。
- 增加错误处理机制,例如try...except块,可以提高程序的健壮性。
综合成绩计算与文件写入
接下来,我们需要根据平时成绩和期末成绩计算综合成绩,并将学号和综合成绩写入score2.txt文件。综合成绩的计算公式为:综合成绩 = 平时成绩 * 0.4 + 期末成绩 * 0.6。
# 计算综合成绩并写入新文件
student_results = {}
with open(output_file, 'w') as p:
for student in student_scores:
student_id, usual_score, final_score = student
try:
usual_score = int(usual_score)
final_score = int(final_score)
score = round(0.4 * usual_score + 0.6 * final_score)
student_results[student_id] = score
p.write(f"{student_id} {score}\n")
except ValueError:
print(f"Warning: Invalid score data for student {student_id}. Skipping.")
print("Calculated scores and wrote to file:", student_results)这段代码遍历student_scores列表,计算每个学生的综合成绩,并将学号和综合成绩写入score2.txt文件。使用round()函数对综合成绩进行四舍五入。同时,增加了try...except块来处理成绩数据可能存在的ValueError异常。
注意事项:
- 确保平时成绩和期末成绩可以转换为整数。
- 使用f-string可以方便地格式化输出字符串。
- p.write(f"{student_id} {score}\n") 在每行末尾添加换行符\n,确保每个学生的数据占据一行。
统计分析与结果输出
最后,我们需要统计各分数段的学生人数,并计算班级平均分。分数段的划分标准为:
- 90分及以上
- 80-89分
- 70-79分
- 60-69分
- 60分以下
# 统计各分数段人数
grade_counts = {
"90+": 0,
"80-89": 0,
"70-79": 0,
"60-69": 0,
"<60": 0
}
total_score = 0
num_students = len(student_results)
for score in student_results.values():
total_score += score
if score >= 90:
grade_counts["90+"] += 1
elif 80 <= score <= 89:
grade_counts["80-89"] += 1
elif 70 <= score <= 79:
grade_counts["70-79"] += 1
elif 60 <= score <= 69:
grade_counts["60-69"] += 1
else:
grade_counts["<60"] += 1
# 计算平均分
average_score = total_score / num_students if num_students > 0 else 0
# 输出统计结果
print("Total number of students:", num_students)
print("Grade distribution:", grade_counts)
print("Average score: {:.1f}".format(average_score))
# 调用函数进行处理
process_scores()这段代码首先定义了一个字典grade_counts来存储各分数段的学生人数。然后,遍历所有学生的综合成绩,统计各分数段的人数,并计算班级平均分。最后,将统计结果输出到控制台。
注意事项:
- 使用字典可以方便地存储和访问各分数段的人数。
- "{:.1f}".format(average_score) 用于格式化输出平均分,保留一位小数。
- if num_students > 0 else 0 用于处理没有学生的情况,避免除以零的错误。
完整代码
import re
def process_scores(input_file="score1.txt", output_file="score2.txt"):
"""
读取学生成绩文件,计算综合成绩,并输出到新文件,同时进行统计分析。
"""
student_scores = []
try:
with open(input_file, 'r') as f:
for line in f:
# 使用正则表达式分割字符串,处理多个空格的情况
data = re.split(r'\s+', line.strip())
if len(data) == 3: # 确保每行数据完整
student_scores.append(data)
else:
print(f"Warning: Invalid data line: {line.strip()}")
except FileNotFoundError:
print(f"Error: Input file '{input_file}' not found.")
return
# 打印读取的数据,方便调试
print("Raw data read from file:", student_scores)
# 计算综合成绩并写入新文件
student_results = {}
with open(output_file, 'w') as p:
for student in student_scores:
student_id, usual_score, final_score = student
try:
usual_score = int(usual_score)
final_score = int(final_score)
score = round(0.4 * usual_score + 0.6 * final_score)
student_results[student_id] = score
p.write(f"{student_id} {score}\n")
except ValueError:
print(f"Warning: Invalid score data for student {student_id}. Skipping.")
print("Calculated scores and wrote to file:", student_results)
# 统计各分数段人数
grade_counts = {
"90+": 0,
"80-89": 0,
"70-79": 0,
"60-69": 0,
"<60": 0
}
total_score = 0
num_students = len(student_results)
for score in student_results.values():
total_score += score
if score >= 90:
grade_counts["90+"] += 1
elif 80 <= score <= 89:
grade_counts["80-89"] += 1
elif 70 <= score <= 79:
grade_counts["70-79"] += 1
elif 60 <= score <= 69:
grade_counts["60-69"] += 1
else:
grade_counts["<60"] += 1
# 计算平均分
average_score = total_score / num_students if num_students > 0 else 0
# 输出统计结果
print("Total number of students:", num_students)
print("Grade distribution:", grade_counts)
print("Average score: {:.1f}".format(average_score))
# 调用函数进行处理
process_scores()总结
本文档详细介绍了如何使用Python处理学生成绩数据,包括文件读取、数据解析、综合成绩计算、文件写入、统计分析和结果输出。通过学习本文,你将掌握Python文件操作、数据处理和统计分析的基本技能。同时,本文还强调了错误处理的重要性,并提供了相应的代码示例。希望本文能够帮助你更好地理解和应用Python。
本篇关于《Python学生成绩分析与处理教程》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
Win11系统重置步骤全解析
- 上一篇
- Win11系统重置步骤全解析
- 下一篇
- PHPMyAdmin防SQL注入技巧分享
-
- 文章 · python教程 | 19小时前 |
- Python aifc 替代方案 迁移旧 AIFF 读取代码前要确认哪些格式条件
- 144浏览 收藏
-
- 文章 · python教程 | 19小时前 | python ·
- Python wave.Wave_read 怎样读取 PCM 声道数和采样宽度
- 243浏览 收藏
-
- 文章 · python教程 | 19小时前 | xml · Python教程 · Python SAX xml.sax.handler.ContentHandler characters XML文本解析
- Python xml.sax.handler.ContentHandler 怎样收集跨回调的文本内容
- 382浏览 收藏
-
- 文章 · python教程 | 19小时前 |
- Python email.policy.clone 怎样设置邮件序列化换行规则
- 483浏览 收藏
-
- 文章 · python教程 | 19小时前 | Python教程 · Python 邮件解析 email.headerregistry.Address 邮箱显示名 addr_spec
- Python email.headerregistry.Address 怎样区分邮箱显示名与地址
- 308浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python decimal.Context.flags 怎样记录计算中的舍入信号
- 276浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python statistics.kde_random 怎样按核密度估计生成样本
- 208浏览 收藏
-
- 文章 · python教程 | 20小时前 | 标准库 · python · Python overlap statistics NormalDist
- Python statistics.NormalDist.overlap 怎样比较两个正态分布重叠程度
- 182浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python fractions.Fraction.limit_denominator 怎样用小分母近似测量值
- 401浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python graphlib.CycleError 怎样读取依赖环中的节点
- 324浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python string.templatelib 怎样读取模板中的插值对象
- 221浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 751次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 749次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 831次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 797次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 632次使用
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览

