Pandas批量处理Excel成绩单自动化与报错排查
用 Pandas 处理 Excel 成绩单，重点不是替代一两个公式，而是把多班、多科、多文件的重复处理固化成可复用脚本。案例覆盖 Python 3.9+ 环境、read_excel 读取、数据体检、清洗、总分/平均分/及格率、排名、cut 分箱、groupby/pivot_table、批量读写和常见报错排查。一、环境准备
Python 3.9 以上可用，安装时勾选 Add Python to PATH。Pandas 读写 .xlsx 依赖 openpyxl；只装 pandas 可能报 ValueError: Excel file format cannot be determined。安装命令：
pip install pandas openpyxl
验证：
import pandas as pd
print(pd.__version__)
PyCharm 在 Project Interpreter 安装包，VSCode 要选对解释器，否则会出现 ModuleNotFoundError 或 No module named pandas。
二、准备成绩数据
准备 3 个班文件：高一1班.xlsx、高一2班.xlsx、高一3班.xlsx。每张表第一行是列名，第二行开始是学生数据，字段为：学号、姓名、语文、数学、英语、物理、化学。这种“一行一个学生、一列一个科目”的宽表最适合 Pandas 分析。
三、读取与初步体检
import pandas as pd
df = pd.read_excel('高一1班.xlsx', sheet_name=0)
# 多 sheet 时显式指定，如 sheet_name='成绩表'
# 若首行是大标题、第二行才是字段名，可用 header=1
print(df.shape)
print(df.columns)
print(df.head())
print(df.info())
print(df.describe())
sheet_name=0 表示第一个工作表。shape 用来确认行数是否读漏，例如实际 35 人只读出 30 行，要检查空行或表尾残留。info() 看各列 Dtype 和非空数量；describe() 的 count、mean、min、max 是成绩健康度指标，最小值出现负数或最大值超过 150，应回 Excel 核对。
四、列类型与清洗
正常成绩列应为 int64 或 float64。如果某列是 object，常见原因是缺考填了“缺考”、录入 86.5 形成浮点、学号被 Excel 转成科学计数法。不要直接 astype(float)，更稳妥的是：
df['数学'] = pd.to_numeric(df['数学'], errors='coerce')
能转数字的转数字，不能转的变成 NaN，再按考试规则决定按 0 分还是剔除。
缺失值要先判断业务含义。缺考通常不参与平均分，mean/sum 默认 skipna=True，会跳过 NaN。只有姓名和学号都为空的行才属于废数据：
df = df.dropna(subset=['学号', '姓名'])
不要直接整行 dropna，否则会误删“部分科目缺考但学生信息完整”的记录。算六科总分可直接按行求和：
df['总分'] = df.iloc[:, 2:8].sum(axis=1)
重复值按学号检查，姓名可能同名：
print(df.duplicated(subset=['学号']).sum())
df = df.drop_duplicates(subset=['学号'], keep='first')
keep='first' 只代表保留第一条；如果两条记录成绩不同，应人工核对原始材料再决定。
列名规范化同样关键。不同班级可能叫“语文”“语文成绩”“语文 ”，合并后会变成独立列，导致统计错误。可原样读入后 rename：
columns = ['学号', '姓名', '语文', '数学', '英语', '物理', '化学']
df = pd.read_excel('高一1班.xlsx', header=0, names=columns)
df = df.rename(columns={'语文成绩': '语文', '语文 ': '语文'})
names 会覆盖原列名，使用前先用 df.columns 确认实际列名，避免表头与数据行关系处理错。
五、常用成绩指标
score_cols = ['语文', '数学', '英语', '物理', '化学']
df['总分'] = df.sum(axis=1)
avg_scores = df.mean()
max_scores = df.max()
min_scores = df.min()
pass_rate = (df >= 60).mean()
axis=1 是沿列向右求和，得到每个学生总分；axis=0 是默认的按列统计。及格率利用 True 等于 1、False 等于 0，布尔序列的 mean 就是及格比例。
六、排名与等级划分
默认 rank() 是平均排名。580、580、570 会得到 1.5、1.5、3；中国式排名想让并列第一后下一位是第二，用 method='min'：
df['总分排名'] = df['总分'].rank(ascending=False, method='min')
for col in score_cols:
df = df.rank(ascending=False, method='min')
rank 可能返回浮点，需要整数且确认没有 NaN 后再 astype(int)。等级划分用 cut：
import numpy as np
bins =
labels = ['D', 'C', 'B', 'A']
df['总分等级'] = pd.cut(df['总分'], bins=bins, labels=labels, right=True)
print(df['总分等级'].value_counts().sort_index())
right=True 表示左开右闭，(0,59] 为 D，(59,69] 为 C，(69,84] 为 B，(84,100] 为 A。总分可能超过 100 时，用 np.inf 作为上界，避免 cut 返回 NaN。
七、按班级分组与透视
class_avg = df_all.groupby('班级')['总分'].mean()
class_stats = df_all.groupby('班级').mean()
class_summary = df_all.groupby('班级')['总分'].agg(['mean', 'max', 'min', 'count'])
class_summary2 = df_all.groupby('班级').agg({'总分': ['mean', 'max'], '语文': 'mean', '数学': 'mean'})
pivot = pd.pivot_table(df_all, values='成绩', index='班级', columns='科目', aggfunc='mean')
pivot2 = df_all.groupby('班级').mean()
agg 列表里写什么函数名，输出列名就是什么，count 是各班非空人数。pivot_table 适合“一行一个学生一个科目成绩”的长表；如果原始数据是一行一个学生的宽表，直接 groupby 多列求均值即可，不必强行 reshape。
八、批量读取多个 Excel
import glob
import os
files = glob.glob('成绩文件夹/*.xlsx')
files =
df_list = []
for file in files:
temp = pd.read_excel(file)
class_name = os.path.basename(file).replace('.xlsx', '')
temp['班级'] = class_name
df_list.append(temp)
df_all = pd.concat(df_list, ignore_index=True)
glob 匹配所有 xlsx，~$ 开头的是 Excel 临时文件，必须过滤。文件名去掉扩展名后写入“班级”列，pd.concat 纵向拼接，ignore_index=True 让合并后的行索引从 0 重新编号。
九、导出到多个 Sheet
class_summary_reset = class_summary.reset_index()
with pd.ExcelWriter('成绩分析结果.xlsx') as writer:
df_all.to_excel(writer, sheet_name='总表', index=False)
class_summary_reset.to_excel(writer, sheet_name='班级汇总', index=False)
avg_scores.to_excel(writer, sheet_name='各科平均分')
ExcelWriter 作为上下文管理器，with 结束时自动保存关闭。groupby 结果是班级索引，想导出成普通列先用 reset_index()；index=False 避免把行号写进 Excel。
十、常见问题排查
No module named pandas 分两种情况：没装，或装到了别的解释器。先确认当前解释器路径：
import sys
print(sys.executable)
然后把 pandas 安装到该环境。PyCharm 在 Settings 的 Project Interpreter 操作，VSCode 选择正确解释器。
中文列名和中文路径 Pandas 本身支持，不需要额外配置。若读取时报 UnicodeDecodeError，可升级 openpyxl：
pip install --upgrade openpyxl
read_excel 不接受 encoding 参数，只有 read_csv 才用 encoding；传了会报 TypeError。
成绩列是文本格式时，object 列求和可能变成字符串拼接或结果异常。先强制转数值，再看 dtype：
df['数学'] = pd.to_numeric(df['数学'], errors='coerce')
print(df.dtypes)
整数变成小数是因为列里混入 NaN，Pandas 为同时存数字和空值会把整列提升为 float64，85 显示为 85.0，这是特性不是 bug。缺考按 0 分处理时可：
df['语文'] = df['语文'].fillna(0).astype(int)
如果导出 Excel 后提示文件已损坏，优先检查 ExcelWriter 是否通过 with 正常关闭、目标文件是否正被 Excel 占用，以及 openpyxl 是否需要升级；不要在 writer 尚未关闭时手工打开结果文件。
整体流程可以固定为：环境准备、read_excel 读取、shape/info/describe 体检、缺失值/重复值/列名清洗、总分平均分及格率计算、rank 排名、cut 分箱、groupby/pivot_table 汇总、批量 glob 合并、ExcelWriter 多 Sheet 导出。数据变化后重跑脚本即可，适合成绩单以及其它结构化表格的重复自动化处理。
Re: Pandas批量处理Excel成绩单自动化与报错排查
这个整理挺扎实的，从环境准备、read_excel 读取、数据体检到清洗、指标、排名和分箱，整条线串得很清楚，对刚用 Pandas 处理成绩单的人很友好。我比较有共鸣的是列名规范化和缺考值处理这两块，不同班级表头多个空格或者叫“语文成绩”，合并后真的会多出列，统计直接对不上；用 to_numeric 配合 errors='coerce'，再只按学号和姓名判断废数据，确实比直接整行 dropna 稳很多。rank 用 method='min' 处理并列排名、cut 用 np.inf 当上界避免 NaN，这些细节也很实用。期待后面 groupby、pivot_table 和批量读写部分，尤其多文件合并时怎么保留班级字段、怎么排掉表尾空行，这些坑挺常见的。Re: Pandas批量处理Excel成绩单自动化与报错排查
楼主这套流程挺完整的，尤其把 read_excel、数据体检、清洗和指标拆开讲，对刚接触 Pandas 处理成绩的人很友好。我自己也踩过类似坑，最容易出问题的往往不是总分公式，而是读进来之后的列名和类型。比如语文后面多个空格、表头前面多一行大标题，都会让后面的总分、排名和 groupby 对不上，所以先用 df.columns 和 df.info 看一眼确实很值。 缺考用 to_numeric(errors='coerce') 转成 NaN 再让 mean/sum 默认跳过，这比直接整行 dropna 稳很多，不会误删只缺某一科的学生。排名那里用 method='min' 也更符合学校里的习惯，不然并列第一后直接跳到第三，老师看着会别扭。cut 的 right=True 边界也要注意，59.5 这种分数落在哪一档，最好拿几条边界数据先跑一下确认。 另外如果后面要把多个班合并后再按班级分组，记得在读每个文件时先加一列班级，不然后面 groupby('班级') 会直接找不到列。批量跑之前先拿一个班跑通，再全校处理，输出前也留一份原始文件备份，出问题好回查。期待你把批量读写和透视表那部分也展开讲讲。Re: Pandas批量处理Excel成绩单自动化与报错排查
感谢分享，内容很系统，尤其是数据体检和清洗部分很贴合实际。read_excel 只装 pandas 会报格式无法识别这个坑我也遇到过，补上 openpyxl 后就正常了。缺考值用 to_numeric(errors='coerce') 转成 NaN，再根据业务决定按 0 分还是剔除，这比直接 astype(float) 稳妥很多；dropna 只针对学号和姓名，避免误删部分科目缺考的学生，这点很关键。排名用 method='min' 更符合中国式排名，580、580、570 得到 1、1、3，比默认平均排名直观。cut 分箱时上界用 np.inf 防止总分超界返回 NaN 也很实用，只是要注意 right=True 是左开右闭，60 分到底算不算及格取决于 bins 怎么写。批量多班处理时，我会在读取每个文件后先加一列班级名再 concat，不然后面 groupby('班级') 没有依据；另外合并前一定用 df.columns 核对列名，避免语文和语文成绩被当成两列。最后 groupby 那段好像没贴完，期待楼主继续补充 pivot_table 和批量读写、报错排查的完整示例。
页:
[1]