Python成绩分析小工具

面对 Excel 中多个班级成绩数据的分析需求，手动计算不仅效率低下，还容易出现误差。本文分享一个简单的 Python 脚本，可实现成绩数据的一键式读取、多维度统计分析，大幅提升工作效率与准确性。

任务需求

在日常教学管理工作中，成绩分析是一项高频且基础的任务，通常需要精准计算班级成绩的平均分、优秀率和不及格率等指标。若 Excel 表格中包含多个班级（按列排布），且各班人数不等、数据量较大时，传统的 Excel 手动筛选或公式计算方式存在以下显著痛点：

• 重复劳动成本高：每个班级需重复设置统计公式，耗时且无技术价值；
• 数据容错率低：行列选择范围稍有偏差，即会导致整体统计结果失效；
• 分析维度单一：难以快速完成多个班级的对比与整体分析。

本文给出一个 Python 脚本，可自动解析 Excel 数据结构、精准识别班级维度，并快速生成标准化的成绩统计报告。

Python 环境配置

在运行 Scores_Analyzer.py 脚本前，需先配置 Python 环境及核心依赖库，这是实现数据自动化分析的基础：

1. Python 版本要求：建议使用 Python 3.9 及以上版本（兼容性更佳，运行速度更快）；
2. 核心依赖库安装：
• Pandas：用于高效读取 Excel 表格，并完成数据清洗（如剔除缺考人员的空值数据）；
• Openpyxl：配合 Pandas 解析 .xlsx 格式文件，保障文件格式兼容性。

快速安装指令：在对应 Python 的终端（Terminal 或 CMD）中执行以下命令：

pip install pandas openpyxl

Python 脚本

脚本文件：Scores_Analyzer.py

# Scores_Analyzer.py# 该代码用于统计 Excel 文件中各班级的成绩情况，包括总人数、总分、平均分、优秀人数及率、不及格人数及率等。# 需要安装 pandas 库来读取 Excel 文件，可以使用命令：pip install pandas# 需要安装 openpyxl 库来支持 Excel 文件的读取，可以使用命令：pip install openpyxlimport pandas as pd# 读取 Excel 文件（默认读取第一个工作表）file_path = "Scores.xlsx"# 如果文件不在当前目录，请填写完整路径df = pd.read_excel(file_path)print("===== 各班成绩统计 =====")# 用于存储所有成绩（用于总体统计）all_scores = []# 遍历每一列（每个班级）for class_name in df.columns:# 读取该班级成绩，并去除空值    scores = df[class_name].dropna()# 转为列表    scores = scores.tolist()    total_students = len(scores)    total_score = sum(scores)    average_score = total_score / total_students    excellent_count = sum(1for s in scores if s >= 90)    fail_count = sum(1for s in scores if s < 60)    excellent_rate = (excellent_count / total_students) * 100    fail_rate = (fail_count / total_students) * 100    print(f"\n--- {class_name} ---")    print(f"总人数：{total_students} 人")    print(f"总分：{total_score} 分")    print(f"平均分：{average_score:.2f} 分")    print(f"优秀人数（≥ 90）：{excellent_count} 人，优秀率：{excellent_rate:.2f}%")    print(f"不及格人数（< 60）：{fail_count} 人，不及格率：{fail_rate:.2f}%")# 汇总到总成绩    all_scores.extend(scores)# =========================# 计算所有班级总体情况# =========================total_students = len(all_scores)total_score = sum(all_scores)average_score = total_score / total_studentsexcellent_count = sum(1for s in all_scores if s >= 90)fail_count = sum(1for s in all_scores if s < 60)excellent_rate = (excellent_count / total_students) * 100fail_rate = (fail_count / total_students) * 100print("\n========================")print("===== 全部班级统计 =====")print(f"总人数：{total_students} 人")print(f"总分：{total_score} 分")print(f"平均分：{average_score:.2f} 分")print(f"优秀人数（≥ 90）：{excellent_count} 人，优秀率：{excellent_rate:.2f}%")print(f"不及格人数（< 60）：{fail_count} 人，不及格率：{fail_rate:.2f}%")print("========================\n")

核心实现逻辑

1. 智能表头识别：程序自动将 Excel 第一行的列名（如“班级1”，“班级2”）识别为统计维度，无需手动配置；
2. 动态数据清洗：通过 .dropna() 方法自动过滤空值单元格，即使各班人数不一致，也能保证统计结果精准；
3. 标准化指标计算：
• 基础维度：自动计算各班总人数、总分、平均分；
• 质量维度：按“≥ 90 分优秀、< 60 分不及格”的标准，计算优秀人数/优秀率、不及格人数/不及格率；
4. 全量数据汇总：在完成单班数据统计后，自动合并所有班级成绩，输出整体统计结果。

运行效果展示

假设 Scores.xlsx 文件中，不同班级的成绩数据按列分布，如图

运行 Scores_Analyzer.py 脚本后，将输出如下分析结果：

===== 各班成绩统计 =====--- 班级1 ---总人数：10 人总分：617.0 分平均分：61.70 分优秀人数（≥ 90）：1 人，优秀率：10.00%不及格人数（< 60）：4 人，不及格率：40.00%--- 班级2 ---总人数：11 人总分：717.0 分平均分：65.18 分优秀人数（≥ 90）：1 人，优秀率：9.09%不及格人数（< 60）：4 人，不及格率：36.36%--- 班级3 ---总人数：19 人总分：1313 分平均分：69.11 分优秀人数（≥ 90）：1 人，优秀率：5.26%不及格人数（< 60）：5 人，不及格率：26.32%============================= 全部班级统计 =====总人数：40 人总分：2647.0 分平均分：66.17 分优秀人数（≥ 90）：3 人，优秀率：7.50%不及格人数（< 60）：13 人，不及格率：32.50%========================

结语

效率的提升，往往就来自这种顺手的小工具。如果你想从机械的算分工作中解脱出来，可以尝试使用一下这个 Python 脚本。