计算成绩平均分、优秀率、合格率、低分率

gpt-4o很牛！

        今天教务处要求我分析考试成绩的平均分和三率。原先是用 SQL 存储过程处理的，但今天准备用电子表格来处理。后来想到了 gpt-4o 模型，我输入了一些提示信息，经过几次迭代，生成了下面这段程序。经测试结果正确。

以下程序我没有写一句，全由gpt-4o生成。

程序运行环境

 pip install pandas openpyxl
 将电子表格文件命名为'grades.xlsx'， 与程序放在一个目录下，后续写一个GUI,直接来选择，前两列['班级名称', '姓名']，自己可以修改

表结构如下：

import pandas as pd
 ​
 # 读取grades.xlsx文件
 grades_df = pd.read_excel('grades.xlsx')
 ​
 # 获取所有成绩列（假设前两列是班级名称、姓名，后面的是科目成绩）
 score_columns = [col for col in grades_df.columns if col not in ['班级名称', '姓名']]
 ​
 # 提示用户输入考试名称
 exam_name = input("请输入考试名称：")
 ​
 # 提示用户输入每科目的满分
 subject_full_marks = {}
 for subject in score_columns:
     while True:
         try:
             max_score = float(input(f"请输入 {subject} 的满分（例如 120）："))
             subject_full_marks[subject] = max_score
             break
         except ValueError:
             print("无效的输入，请输入一个数字。")
 ​
 # 定义分数比例
 excellent_ratio = 0.8  # ≥ 80% 算为优秀
 pass_ratio = 0.6       # ≥ 60% 算为合格
 low_ratio = 0.3        # ≤ 30% 算为低分
 ​
 # 定义一个函数来计算每个班级各科成绩的优秀率，合格率，低分率，和平均分
 def calculate_class_metrics(df, subject, max_score, excellent_ratio, pass_ratio, low_ratio):
     results = []
     for class_name, group in df.groupby('班级名称'):
         total_students = len(group)
         excellent_threshold = max_score * excellent_ratio
         pass_threshold = max_score * pass_ratio
         low_threshold = max_score * low_ratio
 ​
         excellent_count = (group[subject] >= excellent_threshold).sum()
         pass_count = (group[subject] >= pass_threshold).sum()  # 包括优秀的学生
         low_count = (group[subject] <= low_threshold).sum()    # ≤ 满分 * 0.3
 ​
         excellent_rate = excellent_count / total_students
         pass_rate = pass_count / total_students  # 合格率包括优秀的学生
         low_rate = low_count / total_students   # 低分率包括 ≤ 30%的学生
         average_score = group[subject].mean()
 ​
         results.append({
             '班级名称': class_name,
             '优秀率': excellent_rate,
             '合格率': pass_rate,
             '低分率': low_rate,
             '平均分': average_score
         })
 ​
     return pd.DataFrame(results)
 ​
 # 创建一个Excel writer对象，并使用考试名称作为文件名
 output_filename = f"{exam_name}.xlsx"
 with pd.ExcelWriter(output_filename) as writer:
     for subject in score_columns:
         max_score = subject_full_marks[subject]
         metrics_df = calculate_class_metrics(grades_df, subject, max_score, excellent_ratio, pass_ratio, low_ratio)
         metrics_df.to_excel(writer, sheet_name=subject, index=False)
         print(f"已将 {subject} 的分析结果写入到 '{output_filename}' 中的 {subject} Sheet中")
 ​
 print(f"所有分析结果已写入 {output_filename} 文件")

代码说明：

1. 数据读取：

   • 使用pandas读取grades.xlsx文件，获取所有成绩列。

2. 用户交互输入：

   • 使用input()函数从键盘输入考试名称，将用作生成文件的文件名。

   • 使用input()函数从键盘输入每个科目的满分，并保存在subject_full_marks字典中。

3. 分数比例定义：

   • 分别定义满分比例的优秀、合格和低分的阈值。

4. 计算函数：

   • calculate_class_metrics()函数根据每科目满分和阈值计算各项指标（优秀率、合格率、低分率和平均分）。

   • 结果以DataFrame形式返回。

5. 写入Excel：

   • 使用pd.ExcelWriter创建一个Excel写入对象，并使用用户输入的考试名称作为文件名。

   • 遍历所有科目，调用calculate_class_metrics()函数计算各科目指标，并分别写入不同的Sheet中。

6. 输出结果：

   • 所有计算结果分别写入到单独的Sheet中，最终生成一个以考试名称命名的Excel文件。

在执行时，用户将依次被提示输入考试名称和各科目的满分，脚本会计算每个科目的各项指标，并将结果写入同一个Excel文件的不同Sheet中。每个Sheet对应一个科目。结果文件名称将会是用户输入的考试名称。

最后处理结果：

gpt-4o回答让人很舒适

后续让gpt-4o为我添加一个GUI，打包为exe，方便食用！！！