用Python编写学生成绩计算系统

简介: 用Python编写学生成绩计算系统

举一个简单的例子,大学里面的成绩我们都知道,不是一锤定音,而是有很多成绩然后占比不同,最后才会有总评成绩,所以注重细节才是最重要的!下面我们就来看看这个吧!


项目需求:有一份CSV文件里面包含很多学生的成绩(很多平时成绩,还有姓名,学号),这个程序要做的是,利用规定好的算法和规则,把总评成绩计算出来,然后排名,打印出每个阶段的成绩信息作为教研改革。同时必须输出好看,写入TXT文件文件!


涉及知识:Python全部语法!


项目特点:格式化了打印,使得输出比较好看直观,函数结构化,帮助代码阅读,项目可移植,简单易懂


解析文件

def csv_students():
    global student_infos
    import csv
    student_infos = []
    with open(r"成绩详细.csv", encoding='utf-8-sig') as file:#将你的CSV文件和该程序文件放在一个文件夹下面
        f_csv = csv.reader(file)
        header = next(f_csv)
        for row in f_csv:
            student_info = {}
            for index in range(6):
                student_info[header[index]] = row[index]
            student_infos.append(student_info)
        # 格式化打印函数,使其输出自动对齐
        add_print1()

将其文件解析,然后以字典的形式展示,但是这里优化了代码,使得打印好看。这里我们导入的CSV这个库,对于它的一些属性操作语法,我们可以百度看看。首先


我们建立了一个列表用于后面我们存储字典所有,然后打开了这个文件,并用.reader()读取表头信息,然后将这个表头取出来,这样方便我们后续操作.next()


之后我们用循环创建字典,每个字典里面的键和值都是我们自己加上的。6各标题,6个信息,我们就完成键和值的匹配,这样就完整的创建了一个字典,最后直到我们完全读取了这些东西,循环才结束。


实现效果:


image.png

计算成绩

def scores_students():
    for scores in student_infos:
        total = float(scores["实验1"]) * 1 / 10 + float(scores["实验2"]) * 1 / 10 + \
                float(scores["实验3"]) * 2 / 10 + float(scores["期末成绩"]) * 6 / 10
        scores["总评成绩"] = total
    # 根据总评成绩进行排名,并打印出来(附加功能)
    student_infos.sort(key=lambda item: item["总评成绩"], reverse=True)
    i = 0
    for score in student_infos:
        i += 1
        score["班级排名"] = i
    add_print2()
    import json
    # 将解析后的CSV文件,转换为python对象,并储存在一个文件里面(附加功能)
    with open(r"student.txt", "w", encoding="utf_8") as file:
        json.dump(student_infos, file, ensure_ascii=False, indent=0)

image.png


image.png

分段打印:

def grad_students():
    num1 = 0
    num2 = 0
    num3 = 0
    num4 = 0
    num5 = 0
    for scores in student_infos:
        grade = float(scores["总评成绩"])
        if grade < 60:
            num1 += 1
        elif grade >= 60 and grade < 70:
            num2 += 1
        elif grade >= 70 and grade < 80:
            num3 += 1
        elif grade >= 80 and grade < 90:
            num4 += 1
        elif grade >= 90 and grade <= 100:
            num5 += 1
    all = int(num1 + num2 + num3 + num4 + num5)
    print("\t总的人数有%s人" % (all))
    # 打印出分数段人数和所占比
    print("\t[0, 60)的有 {}人 ".format(num1), "\t占比为{}".format(str(num1 / all * 100)[:4] + "%"))
    print("\t[60,70)的有{}人".format(num2), "\t占比为{}".format(str(num2 / all * 100)[:4] + "%"))
    print("\t[70,80)的有{}人".format(num3), "\t占比为{}".format(str(num3 / all * 100)[:4] + "%"))
    print("\t[80,90)的有{}人".format(num4), "\t占比为{}".format(str(num4 / all * 100)[:4] + "%"))
    print("\t[90,100]的有{}人".format(num5), "\t占比为{}".format(str(num5 / all * 100)[:4] + "%"))

image.png

查找学生

def find_students():
    while True:
        study_num = input("请输入您要查找的学号: ")
        for score in student_infos:
            if score["学号"] == study_num:
                print("姓名:", score["姓名"], "学号:", score["学号"], "实验1:",
                      score["实验1"], "实验2:", score["实验2"], "实验3:",
                      score["实验3"], "期末成绩:", score["期末成绩"], "总评成绩:",
                      score["总评成绩"], "班级排名:", score["班级排名"])
            continue

image.png


这样结束了,当然这里我们叫做后端开发项目,一般我们手机或者教务系统里面的我们叫做图形界面操作开发,这个就需要我们后面的知识了。

点击此处下载源码进行操作!!!

相关文章
|
7天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
51 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
1月前
|
机器学习/深度学习 算法 前端开发
基于Python深度学习果蔬识别系统实现
本项目基于Python和TensorFlow,使用ResNet卷积神经网络模型,对12种常见果蔬(如土豆、苹果等)的图像数据集进行训练,构建了一个高精度的果蔬识别系统。系统通过Django框架搭建Web端可视化界面,用户可上传图片并自动识别果蔬种类。该项目旨在提高农业生产效率,广泛应用于食品安全、智能农业等领域。CNN凭借其强大的特征提取能力,在图像分类任务中表现出色,为实现高效的自动化果蔬识别提供了技术支持。
基于Python深度学习果蔬识别系统实现
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
135 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
1月前
|
Python
[oeasy]python057_如何删除print函数_dunder_builtins_系统内建模块
本文介绍了如何删除Python中的`print`函数,并探讨了系统内建模块`__builtins__`的作用。主要内容包括: 1. **回忆上次内容**:上次提到使用下划线避免命名冲突。 2. **双下划线变量**:解释了双下划线(如`__name__`、`__doc__`、`__builtins__`)是系统定义的标识符,具有特殊含义。
32 3
|
1月前
|
安全 前端开发 数据库
Python 语言结合 Flask 框架来实现一个基础的代购商品管理、用户下单等功能的简易系统
这是一个使用 Python 和 Flask 框架实现的简易代购系统示例,涵盖商品管理、用户注册登录、订单创建及查看等功能。通过 SQLAlchemy 进行数据库操作,支持添加商品、展示详情、库存管理等。用户可注册登录并下单,系统会检查库存并记录订单。此代码仅为参考,实际应用需进一步完善,如增强安全性、集成支付接口、优化界面等。
|
2月前
|
存储 缓存 监控
局域网屏幕监控系统中的Python数据结构与算法实现
局域网屏幕监控系统用于实时捕获和监控局域网内多台设备的屏幕内容。本文介绍了一种基于Python双端队列(Deque)实现的滑动窗口数据缓存机制,以处理连续的屏幕帧数据流。通过固定长度的窗口,高效增删数据,确保低延迟显示和存储。该算法适用于数据压缩、异常检测等场景,保证系统在高负载下稳定运行。 本文转载自:https://www.vipshare.com
132 66
|
2月前
|
存储 算法 Python
文件管理系统中基于 Python 语言的二叉树查找算法探秘
在数字化时代,文件管理系统至关重要。本文探讨了二叉树查找算法在文件管理中的应用,并通过Python代码展示了其实现过程。二叉树是一种非线性数据结构,每个节点最多有两个子节点。通过文件名的字典序构建和查找二叉树,能高效地管理和检索文件。相较于顺序查找,二叉树查找每次比较可排除一半子树,极大提升了查找效率,尤其适用于海量文件管理。Python代码示例包括定义节点类、插入和查找函数,展示了如何快速定位目标文件。二叉树查找算法为文件管理系统的优化提供了有效途径。
64 5
|
2月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
356 55
|
2月前
|
Python
Python中的函数是**一种命名的代码块,用于执行特定任务或计算
Python中的函数是**一种命名的代码块,用于执行特定任务或计算
64 18
|
2月前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
220 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别

热门文章

最新文章

推荐镜像

更多