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
|
28天前
|
机器学习/深度学习 传感器 存储
使用 Python 实现智能地震预警系统
使用 Python 实现智能地震预警系统
115 61
|
12天前
|
弹性计算 数据管理 数据库
从零开始构建员工管理系统:Python与SQLite3的完美结合
本文介绍如何使用Python和Tkinter构建一个图形界面的员工管理系统(EMS)。系统包括数据库设计、核心功能实现和图形用户界面创建。主要功能有查询、添加、删除员工信息及统计员工数量。通过本文,你将学会如何结合SQLite数据库进行数据管理,并使用Tkinter创建友好的用户界面。
从零开始构建员工管理系统:Python与SQLite3的完美结合
|
5天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
25 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
5天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
25 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
16天前
|
机器学习/深度学习 数据采集 存储
使用Python实现智能农业灌溉系统的深度学习模型
使用Python实现智能农业灌溉系统的深度学习模型
71 6
|
16天前
|
机器学习/深度学习 算法 编译器
Python程序到计算图一键转化,详解清华开源深度学习编译器MagPy
【10月更文挑战第26天】MagPy是一款由清华大学研发的开源深度学习编译器,可将Python程序一键转化为计算图,简化模型构建和优化过程。它支持多种深度学习框架,具备自动化、灵活性、优化性能好和易于扩展等特点,适用于模型构建、迁移、部署及教学研究。尽管MagPy具有诸多优势,但在算子支持、优化策略等方面仍面临挑战。
43 3
|
20天前
|
机器学习/深度学习 数据采集 算法框架/工具
使用Python实现智能生态系统监测与保护的深度学习模型
使用Python实现智能生态系统监测与保护的深度学习模型
62 4
|
28天前
|
Python
【10月更文挑战第15天】「Mac上学Python 26」小学奥数篇12 - 图形变换与坐标计算
本篇将通过 Python 和 Cangjie 双语实现图形变换与坐标计算。这个题目帮助学生理解平面几何中的旋转、平移和对称变换,并学会用编程实现坐标变化。
63 1
|
1月前
|
机器学习/深度学习 移动开发 Python
【10月更文挑战第11天】「Mac上学Python 22」小学奥数篇8 - 排列组合计算
本篇将通过 Python 和 Cangjie 双语讲解如何计算排列与组合。这道题目旨在让学生学会使用排列组合公式解决实际问题,并加深对数学知识和编程逻辑的理解。
61 4
|
1月前
|
数据可视化 Python
【10月更文挑战第12天】「Mac上学Python 23」小学奥数篇9 - 基础概率计算
本篇将通过 Python 和 Cangjie 双语实现基础概率的计算,帮助学生学习如何解决简单的概率问题,并培养逻辑推理和编程思维。
48 1