前言

前天朋友找我?guī)兔Α?/p>

他們單位要舉辦一個(gè)年初 演講比賽。

流程很常見：

• 5 位評(píng)委打分
• 去掉一個(gè)最高分
• 去掉一個(gè)最低分
• 計(jì)算平均分
• 每組選出第一名

聽起來很簡(jiǎn)單。

但真正執(zhí)行的時(shí)候，事情就變了。

負(fù)責(zé)人給我看了他們的 Excel。

80 個(gè)選手 5 個(gè)評(píng)委 400 個(gè)評(píng)分?jǐn)?shù)據(jù)

他們的統(tǒng)計(jì)方式是：

• Excel 錄入分?jǐn)?shù)
• 手動(dòng)找最高分
• 手動(dòng)找最低分
• 寫公式算平均
• 再按組排序
• 找第一名

負(fù)責(zé)人說：“昨天統(tǒng)計(jì)成績(jī)統(tǒng)計(jì)到晚上 11 點(diǎn)。”

我看了一眼 Excel，說了一句話：

“這事 Python 10 秒就能做完。”

excel數(shù)據(jù)樣例：

一、比賽評(píng)分的經(jīng)典規(guī)則

很多比賽都會(huì)用這個(gè)規(guī)則：

去掉最高分 + 去掉最低分 + 求平均

舉個(gè)例子。

選手 張三 的評(píng)分：98 83 96 83 61

排序之后：61 83 83 96 98

去掉：

• 最低分 61
• 最高分 98

剩下：83 83 96

平均分：87.333

這就是最終成績(jī)。

二、如果用 Excel 手動(dòng)算

如果只有 10 個(gè)選手：

問題不大。

但如果是：

• 80 個(gè)選手
• 5 個(gè)評(píng)委
• 400 個(gè)分?jǐn)?shù)

你需要：

• 刪除最高最低
• 寫公式
• 排序
• 找每組第一名

不僅慢，而且 非常容易算錯(cuò)。

這也是為什么很多比賽 統(tǒng)計(jì)成績(jī)要一兩個(gè)小時(shí)。

三、Python 解決方案

其實(shí)只需要 30 行 Python。

核心代碼：

import pandas as pd

df = pd.read_excel("20260310.xlsx")

score_cols = ["得分1","得分2","得分3","得分4","得分5"]

def calc_valid_score(row):
    scores = sorted(row[score_cols])
    valid_scores = scores[1:-1]
    return sum(valid_scores)/len(valid_scores)

df["最高有效分"] = df.apply(calc_valid_score,axis=1)

這行代碼：

scores[1:-1]

直接完成：

去最高分 + 去最低分

四、自動(dòng)選出每組第一名

Python 的 Pandas 有一個(gè)很強(qiáng)的功能：

groupby

配合：

idxmax

代碼：

result = df.loc[df.groupby("組別")["最高有效分"].idxmax(),
                ["姓名","組別","最高有效分"]]

結(jié)果：

整個(gè)計(jì)算過程：

不到 1 秒。

五、再升級(jí)：自動(dòng)排名

只要再加兩行代碼：

df["組內(nèi)排名"] = df.groupby("組別")["最高有效分"].rank(ascending=False)
df["總排名"] = df["最高有效分"].rank(ascending=False)

自動(dòng)生成：

所有成績(jī)：

自動(dòng)計(jì)算。

六、一鍵生成成績(jī)單

再加一行代碼：

df.to_excel("比賽成績(jī)統(tǒng)計(jì).xlsx",index=False)

Python 會(huì)自動(dòng)生成：

完整成績(jī)表 + 排名表

評(píng)委只需要：

• 填 Excel
• 運(yùn)行腳本

成績(jī)就出來了。

七、現(xiàn)實(shí)中很多單位還在手算

其實(shí)很多地方：

比賽評(píng)分 考核評(píng)分 評(píng)委評(píng)分

仍然是：

Excel + 人工統(tǒng)計(jì)

但只要寫一個(gè) Python 腳本：

以后所有比賽都可以復(fù)用。

換一個(gè) Excel 文件就能重新計(jì)算。

八、全部實(shí)現(xiàn)源代碼

1、基礎(chǔ)版全部代碼：

import pandas as pd

# 1. 讀取 Excel
df = pd.read_excel("20260310.xlsx")

# 2. 計(jì)算最高有效分（去掉一個(gè)最大和最小）
score_cols = ["得分1", "得分2", "得分3", "得分4", "得分5"]

def calc_valid_score(row):
    scores = sorted(row[score_cols])
    valid_scores = scores[1:-1]  # 去掉最大和最小
    return sum(valid_scores) / len(valid_scores)

df["最高有效分"] = df.apply(calc_valid_score, axis=1)

# 3. 每個(gè)組取最高有效分
result = df.loc[df.groupby("組別")["最高有效分"].idxmax(), ["姓名", "組別", "最高有效分"]]

# 4. 保留三位小數(shù)
result["最高有效分"] = result["最高有效分"].round(3)

# 5. 輸出結(jié)果
print(result)

2、升級(jí)版全部代碼：

import pandas as pd

df = pd.read_excel("20260310.xlsx")

score_cols = ["得分1","得分2","得分3","得分4","得分5"]

def calc_valid_score(row):
    scores = sorted(row[score_cols])
    valid_scores = scores[1:-1]
    return sum(valid_scores)/len(valid_scores)

df["最高有效分"] = df.apply(calc_valid_score,axis=1)

df["組內(nèi)排名"] = df.groupby("組別")["最高有效分"].rank(ascending=False)
df["總排名"] = df["最高有效分"].rank(ascending=False)

df.to_excel("比賽成績(jī)統(tǒng)計(jì).xlsx",index=False)

print("成績(jī)統(tǒng)計(jì)完成")

最后

很多人學(xué) Python 的時(shí)候都會(huì)問：

“Python 能干嘛？”

其實(shí)答案很簡(jiǎn)單。

只要是：

• 重復(fù)的
• 機(jī)械的
• 需要計(jì)算的

幾乎都可以：

自動(dòng)化。

當(dāng)你第一次寫出一個(gè)腳本，

替代 2 小時(shí)人工工作 的時(shí)候，

你就會(huì)真正理解一句話：編程最大的價(jià)值 不是寫代碼，而是 節(jié)省時(shí)間。

到此這篇關(guān)于基于Python編寫一個(gè)自動(dòng)評(píng)分系統(tǒng)的文章就介紹到這了,更多相關(guān)Python自動(dòng)評(píng)分系統(tǒng)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論