有10名同学的python课程成绩分别为:94, 89, 96, 88, 92, 86, 69, 95, 78, 85,利用列表分析成绩,输出平均值、最高的3个成绩和最低的3个成绩、成绩中位数。

时间: 2023-05-03 18:00:12 浏览: 298
成绩分别为:94, 89, 96, 88, 92, 86, 69, 95, 78, 85。利用列表分析成绩,输出平均值、最高的3个成绩和最低的3个成绩、成绩中位数。 平均值为:86.2 最高的3个成绩为:96, 95, 94 最低的3个成绩为:69, 78, 85 成绩中位数为:89.5
相关问题

有10名同学的Python课程成绩分别为:94,89,96,88,92,86,69,95,78,85

可以使用 Python 的列表来存储这些成绩,然后可以使用内置函数来计算平均数、最高分和最低分。下面是一个示例代码: ```python scores = [94, 89, 96, 88, 92, 86, 69, 95, 78, 85] # 计算平均数 average = sum(scores) / len(scores) print("平均分:", average) # 计算最高分 highest = max(scores) print("最高分:", highest) # 计算最低分 lowest = min(scores) print("最低分:", lowest) ``` 输出结果为: ``` 平均分: 87.2 最高分: 96 最低分: 69 ```

有10名同学的python 课程成绩分别为:94,89,96,88,92,86,69,95,78,85,利用 列表分析成绩,输出平均值、最高的3个成绩和最低的3个成绩、成绩中位数。python代码

好的,以下是Python代码实现: ```python grades = [94, 89, 96, 88, 92, 86, 69, 95, 78, 85] # 平均值 avg_grade = sum(grades) / len(grades) print("平均成绩:", avg_grade) # 最高的3个成绩 top3_grades = sorted(grades, reverse=True)[:3] print("最高的三个成绩:", top3_grades) # 最低的3个成绩 bottom3_grades = sorted(grades)[:3] print("最低的三个成绩:", bottom3_grades) # 成绩中位数 sorted_grades = sorted(grades) mid_index = len(sorted_grades) // 2 if len(sorted_grades) % 2 == 0: median = (sorted_grades[mid_index - 1] + sorted_grades[mid_index]) / 2 else: median = sorted_grades[mid_index] print("成绩中位数:", median) ``` 输出结果为: ``` 平均成绩: 87.2 最高的三个成绩: [96, 95, 94] 最低的三个成绩: [69, 78, 85] 成绩中位数: 88.0 ```

相关推荐

rar
本文介绍的是利用Python语言,做成绩分析并生成成绩分析动态图表。Python语言可以利用Pandas、Pyecharts等各种类库,进行数据分析。 本文介绍的成绩分析大体分为三步: 一、拼合单科成绩,合成学年成绩,计算总分,按总分成绩排名次,然后由学年成绩筛选出各个班级的成绩,将学年成绩,各班级成绩存入一个Excel文件中,工作表分别命名为学年成绩,高三(1)班……等 二、利用生成的第一步生成的Excel文件,做成绩分析,保存成绩分析表格。 三、利用成绩分析表格,做成绩分析动态图。 下面是部分源代码: 1、成绩整理与合并 import glob import os import pandas as pd from functools import reduce inputPath="./原始成绩/" writer_lk = pd.ExcelWriter('./整理后的成绩/2020一模理科总成绩及各班级成绩.xlsx') writer_wk = pd.ExcelWriter('./整理后的成绩/2020一模文科总成绩及各班级成绩.xlsx') inputWorkbook=glob.glob(os.path.join(inputPath,"*.xls")) #====================读取全部学生的所有科目成绩=================================== yw_score = pd.read_excel(inputWorkbook[2]) sxlk_score = pd.read_excel(inputWorkbook[1]) sxwk_score = pd.read_excel(inputWorkbook[0]) yy_score = pd.read_excel(inputWorkbook[5]) yy_score['英语'] = (yy_score['英语'] * 1.25).round(0)#英语成绩不计算听力成绩*1.25 lkzh_score = pd.read_excel(inputWorkbook[4]) wkzh_score = pd.read_excel(inputWorkbook[3]) #======================================================================= #====================整理出理科成绩及分班成绩、计算总分、总分排名、班级排名============================= lk_class = ['高三(1)班','高三(2)班','高三(3)班','高三(4)班'] wk_class = ['高三(5)班','高三(6)班'] lk_yw = yw_score.loc[(yw_score.班级.isin(lk_class)), ['班级','姓名','语文']] lk_sx = sxlk_score[['姓名','数学']] lk_yy = yy_score.loc[(yy_score.班级.isin(lk_class)), ['姓名','英语']] lk_k3 = lkzh_score[['姓名','物理','化学','生物','理综']] lk_list = [lk_yw, lk_sx, lk_yy, lk_k3] score_lk = (reduce(lambda left, right: pd.merge(left, right, on='姓名'), lk_list)) score_lk['总分'] = (score_lk['语文'] + score_lk['数学'] + score_lk['英语'] + score_lk['理综']).round(0) def sort_grade(score): score_sort = score.sort_values(by=['总分'], ascending=False) score_sort['年级排名'] = score_sort['总分'].rank(ascending=0,method='min') return score_sort def sort_class_lk(score_garde,name): class_sort = score_garde.loc[score_garde.班级 == name, :] class_sort = class_sort.sort_values(by=['总分'], ascending=False) class_sort['班级排名'] = class_sort['总分'].rank(ascending=0,method='min') class_sort.to_excel(writer_lk, index=None, sheet_name=name) lk_grade_sort = sort_grade(score_lk) lk_grade_sort.to_excel(writer_lk, index=None, sheet_name='学年成绩') for lk in lk_class: class_sort = sort_class_lk(score_lk, lk) writer_lk.save() writer_lk.close() # #============整理出文科成绩及分班成绩、计算总分、总分排名、班级排名================== wk_yw = yw_score.loc[(yw_score.班级.isin(wk_class)), ['班级','姓名','语文']] wk_sx = sxwk_score[['姓名','数学']] wk_yy = yy_score.loc[(yy_score.班级.isin(wk_class)), ['姓名','英语']] wk_k3 = wkzh_score[['姓名','政治','历史','地理','文综']] wk_list = [wk_yw, wk_sx, wk_yy, wk_k3] score_wk = (reduce(lambda left, right: pd.merge(left, right, on='姓名'), wk_list)) score_wk['总分'] = (score_wk['语文'] + score_wk['数学'] + score_wk['英语'] + score_wk['文综']).round(0) def sort_class_wk(score_garde,name): class_sort = score_garde.loc[score_garde.班级 == name, :] class_sort = class_sort.sort_values(by=['总分'], ascending=False) class_sort['班级排名'] = class_sort['总分'].rank(ascending=0,method='min') class_sort.to_excel(writer_wk, index=None, sheet_name=name) wk_grade_sort = sort_grade(score_wk) wk_grade_sort.to_excel(writer_wk, index=None, sheet_name='学年成绩') for wk in wk_class: class_sort = sort_class_wk(wk_grade_sort, wk) writer_wk.save() writer_wk.close() 2、成绩区间分割与统计 #coding:utf-8 import numpy as np import pandas as pd from functools import reduce fpath_lk="./整理后的成绩/2020一模理科总成绩及各班级成绩.xlsx" fpath_wk="./整理后的成绩/2020一模文科总成绩及各班级成绩.xlsx" writer_lk = pd.ExcelWriter('./整理后的成绩/2020一模理科成绩区间分布统计.xlsx') writer_wk = pd.ExcelWriter('./整理后的成绩/2020一模文科成绩区间分布统计.xlsx') lk = pd.read_excel(fpath_lk, None) #获取表格中的所有工作表的内容 wk = pd.read_excel(fpath_wk, None) #===================1.定义区间分割函数===================================== def cut_750(score_750,len): bins_750= [0,370,380,390,400,410,420,430,440,450,460,470,480,490,500,510,520,530,540,550,560,570,580,590,600,620,640,660,750] labels_750 = ['0-370','370-379','380-389','390-399','400-409','410-419','420-429','430-439','440-449','450-459','460-469','470-479','480-489','490-499','500-509','510-519','520-529','530-539','540-549','550-559','560-569','570-579','580-589','590-599','600-619','620-639','640-659','660-750'] cut_750 = pd.cut(score_750, bins_750, labels=labels_750, right=False) qj = pd.DataFrame({'区间':pd.value_counts(cut_750).index,'人数':pd.value_counts(cut_750),'百分比':((pd.value_counts(cut_750))/len).round(3).apply(lambda x: format(x, '.2%'))}).sort_values(by='区间', ascending=False) qj = qj.reset_index(drop=True) return qj def cut_150(score_150,len): bins_150 = [0,30,60,90,120,150] labels_150 = ['0-30', '30-60', '60-90', '90-120', '120-150'] cut_150 = pd.cut(score_150, bins_150, labels=labels_150, right=False) qj = pd.DataFrame({'区间':pd.value_counts(cut_150).index,'人数':pd.value_counts(cut_150),'百分比':((pd.value_counts(cut_150))/len).round(3).apply(lambda x: format(x, '.2%'))}).sort_values(by='区间') 其他源代码及始数据已上传,欢迎各位借鉴,第一次编程,希望网友们能指点不足之处,联系qq:912182988
zip
python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考 python预测相关算法、系统代码、设计文档、使用说明,供参考

最新推荐

recommend-type

python扫雷游戏设计(课程设计版)

源代码部分主要包括主程序代码,通常会有一个名为`mine`的类来代表整个游戏逻辑,包含了游戏的初始化方法、开始游戏的方法以及其他辅助方法,用于处理用户输入、更新棋盘状态、检测游戏结束条件等。 总的来说,...
recommend-type

解决python脚本中error: unrecognized arguments: True错误

在Python编程中,`error: unrecognized arguments: True` 错误通常出现在命令行解析时,当你尝试传递一个未被脚本预期的参数时。这个错误表明你可能在调用Python脚本时,传入了一个程序无法识别的参数,例如在这个...
recommend-type

Python4Proteomics Course:蛋白质组学分析的Python课程-开源

基本上使用Jupyter NoteBooks进行蛋白质组学分析的Python课程(西班牙语)。 有关更多信息,您可以查看源代码树中的readme.md文件:https://sourceforge.net/p/lp-csic-uab/p4p/code/ci/default/tree/readme.md
recommend-type

Python 判断 有向图 是否有环的实例讲解

在Python编程中,判断有向图(Directed Graph)是否存在环是一项常见的任务,特别是在处理图算法时。本实例将介绍一种使用深度优先搜索(DFS)来检测有向图环的方法。有向图是一种特殊的图,其中边是有方向的,即从...
recommend-type

python简单算法04:判断一个字符串是否为回文串的排列之一

输出:True(排列有“tacocat”、”atcocta”等等) 解答 思路: 所有字符中,统计每个字符出现的次数,最多只有一个字符的统计次数是奇数,剩下的必须都是偶数。即奇数只能为1或0个,例如acca,accbcca等 from ...
recommend-type

电力电子系统建模与控制入门

"该资源是关于电力电子系统建模及控制的课程介绍,包含了课程的基本信息、教材与参考书目,以及课程的主要内容和学习要求。" 电力电子系统建模及控制是电力工程领域的一个重要分支,涉及到多学科的交叉应用,如功率变换技术、电工电子技术和自动控制理论。这门课程主要讲解电力电子系统的动态模型建立方法和控制系统设计,旨在培养学生的建模和控制能力。 课程安排在每周二的第1、2节课,上课地点位于东12教401室。教材采用了徐德鸿编著的《电力电子系统建模及控制》,同时推荐了几本参考书,包括朱桂萍的《电力电子电路的计算机仿真》、Jai P. Agrawal的《Powerelectronicsystems theory and design》以及Robert W. Erickson的《Fundamentals of Power Electronics》。 课程内容涵盖了从绪论到具体电力电子变换器的建模与控制,如DC/DC变换器的动态建模、电流断续模式下的建模、电流峰值控制,以及反馈控制设计。还包括三相功率变换器的动态模型、空间矢量调制技术、逆变器的建模与控制,以及DC/DC和逆变器并联系统的动态模型和均流控制。学习这门课程的学生被要求事先预习,并尝试对书本内容进行仿真模拟,以加深理解。 电力电子技术在20世纪的众多科技成果中扮演了关键角色,广泛应用于各个领域,如电气化、汽车、通信、国防等。课程通过列举各种电力电子装置的应用实例,如直流开关电源、逆变电源、静止无功补偿装置等,强调了其在有功电源、无功电源和传动装置中的重要地位,进一步凸显了电力电子系统建模与控制技术的实用性。 学习这门课程,学生将深入理解电力电子系统的内部工作机制,掌握动态模型建立的方法,以及如何设计有效的控制系统,为实际工程应用打下坚实基础。通过仿真练习,学生可以增强解决实际问题的能力,从而在未来的工程实践中更好地应用电力电子技术。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

图像写入的陷阱:imwrite函数的潜在风险和规避策略,规避图像写入风险,保障数据安全

![图像写入的陷阱:imwrite函数的潜在风险和规避策略,规避图像写入风险,保障数据安全](https://static-aliyun-doc.oss-accelerate.aliyuncs.com/assets/img/zh-CN/2275688951/p86862.png) # 1. 图像写入的基本原理与陷阱 图像写入是计算机视觉和图像处理中一项基本操作,它将图像数据从内存保存到文件中。图像写入过程涉及将图像数据转换为特定文件格式,并将其写入磁盘。 在图像写入过程中,存在一些潜在陷阱,可能会导致写入失败或图像质量下降。这些陷阱包括: - **数据类型不匹配:**图像数据可能与目标文
recommend-type

protobuf-5.27.2 交叉编译

protobuf(Protocol Buffers)是一个由Google开发的轻量级、高效的序列化数据格式,用于在各种语言之间传输结构化的数据。版本5.27.2是一个较新的稳定版本,支持跨平台编译,使得可以在不同的架构和操作系统上构建和使用protobuf库。 交叉编译是指在一个平台上(通常为开发机)编译生成目标平台的可执行文件或库。对于protobuf的交叉编译,通常需要按照以下步骤操作: 1. 安装必要的工具:在源码目录下,你需要安装适合你的目标平台的C++编译器和相关工具链。 2. 配置Makefile或CMakeLists.txt:在protobuf的源码目录中,通常有一个CMa
recommend-type

SQL数据库基础入门:发展历程与关键概念

本文档深入介绍了SQL数据库的基础知识,首先从数据库的定义出发,强调其作为数据管理工具的重要性,减轻了开发人员的数据处理负担。数据库的核心概念是"万物皆关系",即使在面向对象编程中也有明显区分。文档讲述了数据库的发展历程,从早期的层次化和网状数据库到关系型数据库的兴起,如Oracle的里程碑式论文和拉里·埃里森推动的关系数据库商业化。Oracle的成功带动了全球范围内的数据库竞争,最终催生了SQL这一通用的数据库操作语言,统一了标准,使得关系型数据库成为主流。 接着,文档详细解释了数据库系统的构成,包括数据库本身(存储相关数据的集合)、数据库管理系统(DBMS,负责数据管理和操作的软件),以及数据库管理员(DBA,负责维护和管理整个系统)和用户应用程序(如Microsoft的SSMS)。这些组成部分协同工作,确保数据的有效管理和高效处理。 数据库系统的基本要求包括数据的独立性,即数据和程序的解耦,有助于快速开发和降低成本;减少冗余数据,提高数据共享性,以提高效率;以及系统的稳定性和安全性。学习SQL时,要注意不同数据库软件可能存在的差异,但核心语言SQL的学习是通用的,后续再根据具体产品学习特异性。 本文档提供了一个全面的框架,涵盖了SQL数据库从基础概念、发展历程、系统架构到基本要求的方方面面,对于初学者和数据库管理员来说是一份宝贵的参考资料。