最近在网申投简历时遇到一个需要计算GPA的问题,想起自己在上学时写的Excel公式版GPA计算器略显low,而且操作也比较复杂,于是一时兴起,写了个Python版的,在此分享给大家!

准备工作:

用户事先准备好如下图所示的Excel表格,其中A列为每门课程的学分,B列为每门课程的成绩。成绩可以有三种合法的表示方式:

  • 百分制:支持0-100的整数或浮点数
  • 五分制:默认支持'优', '良', '中', '差', '优秀', '良好', '中等', '及格', '不及格'的表示方式,可自行定义five_list变量
  • 二分制:默认支持'通过', '不通过'的表示方式,可自行定义two_list变量

"""
GPA计算器
"""
import numpy as np
import pandas as pd # 用户定义参数
path = r'成绩单.xls' # 用户Excel文件路径 # 系统预置参数
method_list = ['STA4.0','MOD4.0_v1','MOD4.0_v2','PKU4.0'] # GPA计算方法代号列表
method_name_list = ['标准4.0方法','改进4.0方法v1','改进4.0方法v2','北大4.0方法'] # GPA计算方法名称列表
five_list = ['优', '良', '中', '差', '优秀', '良好', '中等', '及格', '不及格'] # 合法的五分制成绩
two_list = ['通过', '不通过'] # 合法的二分制成绩 # 百分制转换为4.0分制
def convert_100_4(n, method):
"""
百分制转换为4.0分制
:param n: int或float类型的百分制分数
:param method: str格式,使用的方法,应为method_list中的一个元素
:return: float类型的4.0分制分数
"""
# 标准4.0方法
if method == 'STA4.0':
if 90 <= n <= 100:
return 4.0
elif 80 <= n < 90:
return 3.0
elif 70 <= n < 80:
return 2.0
elif 60 <= n < 70:
return 1.0
elif 0 <= n < 60:
return 0.0
# 改进4.0方法v1
elif method == 'MOD4.0_v1':
if 85 <= n <= 100:
return 4.0
elif 70 <= n < 85:
return 3.0
elif 60 <= n < 70:
return 2.0
elif 0 <= n < 60:
return 0.0
# 改进4.0方法v2
elif method == 'MOD4.0_v2':
if 85 <= n <= 100:
return 4.0
elif 75 <= n < 85:
return 3.0
elif 60 <= n < 75:
return 2.0
elif 0 <= n < 60:
return 0.0
# 北大4.0方法
elif method == 'PKU4.0':
if 90 <= n <= 100:
return 4.0
elif 85 <= n < 90:
return 3.7
elif 82 <= n < 85:
return 3.3
elif 78 <= n < 82:
return 3.0
elif 75 <= n < 78:
return 2.7
elif 72 <= n < 75:
return 2.3
elif 68 <= n < 72:
return 2.0
elif 64 <= n < 68:
return 1.5
elif 60 <= n < 64:
return 1.0
elif 0 <= n < 60:
return 0 # 五分制转换为4.0分制
def convert_5_4(n):
"""
五分制转换为4.0分制
:param n: str类型的五分制分数
:return: float类型的4.0分制分数
"""
if n == '优秀' or n == '优':
return 4.0
elif n == '良好' or n == '良':
return 3.0
elif n == '中等' or n == '中':
return 2.0
elif n == '及格':
return 1.0
elif n == '不及格' or n == '差':
return 0.0 # 二分制转换为4.0分制
def convert_2_4(n):
"""
二分制转换为4.0分制
:param n: str类型的二分制分数
:return: float类型的4.0分制分数
"""
if n == '通过':
return 1.0
elif n == '不通过':
return 0.0 # 主程序
def run(): # 定义初始值
sum = 0 # 用来累加每行的学分
sumpro = [0 for i in range(len(method_list))] # 用来累加method_list中每种方法下的学分*4.0分制成绩 # 使用pandas读取为DataFrame(数字将自动转换格式)
data = pd.read_excel(path, index_col=None, header=0) # 逐行校验合法性并累加计算
for i in range(len(data)):
credit = data.iloc[i, 0] # 学分
score = data.iloc[i, 1] # 成绩 # 校验学分合法性
if isinstance(credit, str):
print('Excel表中的A' + str(i + 2) + '单元格数值不合法!学分应为非负整数或浮点数!程序异常终止!')
break
elif credit<0:
print('Excel表中的A' + str(i + 2) + '单元格数值不合法!学分应为非负整数或浮点数!程序异常终止!')
break # 校验成绩合法性并计算GPA
if isinstance(score, str):
if score in five_list:
sum += credit
sumpro = [sumpro[i] + credit * convert_5_4(score) for i in range(len(method_list))]
elif score in two_list:
sum += credit
sumpro = [sumpro[i] + credit * convert_2_4(score) for i in range(len(method_list))]
else:
print('Excel表中的B' + str(i + 2) + '单元格数值不合法!未定义的文字型成绩!程序异常终止!')
break
elif score < 0 or score > 100:
print('Excel表中的B' + str(i + 2) + '单元格数值不合法!百分制分数应在0-100之间!程序异常终止!')
break
else:
sum += credit
sumpro = [sumpro[i] + credit * convert_100_4(score, method_list[i]) for i in range(len(method_list))] else:
print('计算完毕!使用每种方法计算的GPA分别为:')
for i in range(len(method_list)):
print(method_name_list[i]+'\t '+str(sumpro[i]/sum)) if __name__ == '__main__':
run()

计算完毕后,结果将以屏幕输出的形式展现:

Python版GPA计算器的更多相关文章

  1. 【Python】《大话设计模式》Python版代码实现

    <大话设计模式>Python版代码实现 上一周把<大话设计模式>看完了,对面向对象技术有了新的理解,对于一个在C下写代码比较多.偶尔会用到一些脚本语言写脚本的人来说,很是开阔眼 ...

  2. 《大话设计模式》Python版代码实现

    上一周把<大话设计模式>看完了,对面向对象技术有了新的理解,对于一个在C下写代码比较多.偶尔会用到一些脚本语言写脚本的人来说,很是开阔眼界.<大话设计模式>的代码使用C#写成的 ...

  3. 【原】Learning Spark (Python版) 学习笔记(三)----工作原理、调优与Spark SQL

    周末的任务是更新Learning Spark系列第三篇,以为自己写不完了,但为了改正拖延症,还是得完成给自己定的任务啊 = =.这三章主要讲Spark的运行过程(本地+集群),性能调优以及Spark ...

  4. 数据结构:顺序表(python版)

    顺序表python版的实现(部分功能未实现) #!/usr/bin/env python # -*- coding:utf-8 -*- class SeqList(object): def __ini ...

  5. python版恶俗古风自动生成器.py

    python版恶俗古风自动生成器.py """ python版恶俗古风自动生成器.py 模仿自: http://www.jianshu.com/p/f893291674c ...

  6. LAMP一键安装包(Python版)

    去年有出一个python整的LAMP自动安装,不过比较傻,直接调用的yum 去安装了XXX...不过这次一样有用shell..我也想如何不调用shell 来弄一个LAMP自动安装部署啥啥的..不过尼玛 ...

  7. 编码的秘密(python版)

    编码(python版) 最近在学习python的过程中,被不同的编码搞得有点晕,于是看了前人的留下的文档,加上自己的理解,准备写下来,分享给正在为编码苦苦了挣扎的你. 编码的概念 编码就是将信息从一种 ...

  8. Zabbix 微信报警Python版(带监控项波动图片)

    #!/usr/bin/python # -*- coding: UTF- -*- #Function: 微信报警python版(带波动图) #Environment: python import ur ...

  9. 豆瓣top250(go版以及python版)

      最近学习go,就找了一个例子练习[go语言爬虫]go语言爬取豆瓣电影top250,思路大概就是获取网页,然后根据页面元素,用正则表达式匹配电影名称.评分.评论人数.原文有个地方需要修改下patte ...

随机推荐

  1. Elasticsearch系列---shard内部原理

    概要 本篇我们来看看shard内部的一些操作原理,了解一下人家是怎么玩的. 倒排索引 倒排索引的结构,是非常适合用来做搜索的,Elasticsearch会为索引的每个index为analyzed的字段 ...

  2. HTTP状态码详解(上)

    HTTP状态码的英文为 HTTP Status Code.下面是常见的HTTP状态码: 200 - 请求成功 301 - 资源(网页等)被永久转移到其它URL 404 - 请求的资源(网页等)不存在 ...

  3. js中map和filter方法,以及search方法

    链接:https://blog.51cto.com/11871779/2126561 search方法: 介绍: search() 方法用于检索字符串中指定的子字符串,或检索与正则表达式相匹配的子字符 ...

  4. python的MySQLdb库基本使用介绍

    MySQLdb库 import MySQLdb 简介 提供mysql的基本操作(包括建表,读取表数据,插入数据到表) 数据库操作基本步骤 #!/usr/bin/python # -*- coding: ...

  5. 谷歌play上APK的下载

    https://apkcombo.com/tw-hk/ 在google搜索 APK DOWNLAOD就有专门下载谷歌PLAY的APK的

  6. python GIL锁与多cpu

    多核CPU   linux : cat /proc/cpuinfo 如果你不幸拥有一个多核CPU,你肯定在想,多核应该可以同时执行多个线程. 如果写一个死循环的话,会出现什么情况呢? 打开Mac OS ...

  7. react脚手架和深入理解jsx语法

    react的mvc和vue的mvvm vue的mvvm属于双向绑定,view层,model数据层,vm实现双向绑定的控制层 此种模式,再某一类项目种很有优势:管理系统 ( OA, ERP , CRM ...

  8. Win10上面安装vmware,并在Vmware上面安装Ubuntu

    一.安装vmware vmware安装包 链接:https://pan.baidu.com/s/178IOOuMOcotSrr6omIAM_A 提取码:c7ba vmware激活码 链接:https: ...

  9. CSS3的一个伪类选择器:nth-child()

    CSS3的一个伪类选择器“:nth-child()”. Table表格奇偶数行定义样式: 语法: :nth-child(an+b) 为什么选择她,因为我认为,这个选择器是最多学问的一个了.很可惜,据我 ...

  10. 吴裕雄 python 机器学习——数据预处理字典学习模型

    from sklearn.decomposition import DictionaryLearning #数据预处理字典学习DictionaryLearning模型 def test_Diction ...