python openpyxl处理Excel成绩表自动统计

> 本文用 Python openpyxl 批量处理 Excel 成绩表，自动算平均分、排名，含完整可运行代码。

场景说明

上周帮学妹处理课程设计，她对着300多人的Excel成绩表发愁------要算每个学生的平均分，还要按总分排名，最后输出一张整洁的成绩单。手动算？光是复制粘贴就能干到凌晨。我给她写了个Python脚本，20秒搞定所有计算，还自动生成了排名。今天把这个脚本分享出来，复制代码、改个文件路径就能用。

你直接能获得：

一个完整可运行的Python脚本（40行）
示例Excel数据生成代码（不用找测试文件）
常见报错排查步骤（空值、列名不对等）
修改参数就能适配你的表格（如按科目分组排名）

适用场景： 老师发的成绩表、实验报告汇总、课程设计数据处理

完整脚本（复制即用）

python 复制代码

import pandas as pd
import os

# ============ 配置区 ============
INPUT_FILE = "学生成绩表.xlsx"      

# 输入文件名（放在脚本同目录下）
OUTPUT_FILE = "成绩统计结果.xlsx"   

# 输出文件名
SHEET_NAME = "Sheet1"              

# 工作表名
SCORE_COLUMNS = ["语文", "数学", "英语", "物理", "化学"]  

# 成绩列名（按实际修改）
STUDENT_ID_COL = "学号"            

# 学号列名
STUDENT_NAME_COL = "姓名"          

# 姓名列名

# ================================

def process_scores():
    """处理成绩表：计算平均分、总分、排名"""
    

# 1. 读取Excel
    if not os.path.exists(INPUT_FILE):
        print(f"❌ 错误：找不到文件 {INPUT_FILE}")
        print("请确保文件在脚本同目录下，或修改INPUT_FILE路径")
        return
    
    df = pd.read_excel(INPUT_FILE, sheet_name=SHEET_NAME)
    print(f"✅ 成功读取文件，共 {len(df)} 行数据")
    
    

# 2. 检查列名是否存在
    required_cols = [STUDENT_ID_COL, STUDENT_NAME_COL] + SCORE_COLUMNS
    missing_cols = [col for col in required_cols if col not in df.columns]
    if missing_cols:
        print(f"❌ 错误：缺少以下列：{missing_cols}")
        print(f"当前表格列名：{list(df.columns)}")
        return
    
    

# 3. 处理空值（将空成绩视为0分）
    original_count = len(df)
    df[SCORE_COLUMNS] = df[SCORE_COLUMNS].fillna(0)
    null_count = df[SCORE_COLUMNS].isnull().sum().sum()
    if null_count > 0:
        print(f"⚠️ 警告：发现 {null_count} 个空值，已自动填充为0")
    
    

# 4. 计算总分和平均分
    df['总分'] = df[SCORE_COLUMNS].sum(axis=1)
    df['平均分'] = df[SCORE_COLUMNS].mean(axis=1).round(2)  

# 保留两位小数
    
    

# 5. 按总分排名（降序）
    df['排名'] = df['总分'].rank(ascending=False, method='min').astype(int)
    
    

# 6. 按排名排序
    df_sorted = df.sort_values('排名')
    
    

# 7. 保存结果
    output_cols = [STUDENT_ID_COL, STUDENT_NAME_COL, '排名', '总分', '平均分'] + SCORE_COLUMNS
    df_sorted[output_cols].to_excel(OUTPUT_FILE, index=False)
    print(f"✅ 处理完成！结果已保存到：{OUTPUT_FILE}")
    print(f"📊 数据概览：最高分 {df['总分'].max()}，最低分 {df['总分'].min()}，平均分 {df['总分'].mean():.2f}")

# 运行主程序
if __name__ == "__main__":
    process_scores()

使用步骤（5分钟上手）

第一步：安装依赖

打开命令行（Win+R输入cmd），运行：

bash 复制代码

pip install pandas openpyxl

第二步：准备Excel文件

把成绩表保存为 学生成绩表.xlsx，放在脚本同目录下。表结构示例：

| 学号 | 姓名 | 语文 | 数学 | 英语 | 物理 | 化学 |

|------|------|------|------|------|------|------|

| 001 | 张三 | 85 | 92 | 78 | 88 | 90 |

| 002 | 李四 | 76 | 88 | 95 | 82 | 79 |

如果不想找测试文件，运行下面这段代码会自动生成示例数据：

python 复制代码

import pandas as pd
import numpy as np

data = {
    '学号': [f'{i:03d}' for i in range(1, 11)],
    '姓名': [f'学生{i}' for i in range(1, 11)],
    '语文': np.random.randint(60, 100, 10),
    '数学': np.random.randint(60, 100, 10),
    '英语': np.random.randint(60, 100, 10),
    '物理': np.random.randint(60, 100, 10),
    '化学': np.random.randint(60, 100, 10)
}
df = pd.DataFrame(data)
df.to_excel('学生成绩表.xlsx', index=False)
print("✅ 示例数据已生成")

第三步：修改配置区

打开脚本，找到配置区，根据你的表格修改：

SCORE_COLUMNS：改成你表格里成绩列的列名（如["高数", "线代", "概率论"]）
STUDENT_ID_COL 和 STUDENT_NAME_COL：改成学号和姓名列名

第四步：运行脚本

bash 复制代码

python 成绩处理脚本.py

输出效果：

text 复制代码

✅ 成功读取文件，共 10 行数据
✅ 处理完成！结果已保存到：成绩统计结果.xlsx
📊 数据概览：最高分 468，最低分 352，平均分 410.50

常见坑（排查指南）

坑1：报错 `No module named 'pandas'`

原因： 没安装依赖库

解决： 运行 pip install pandas openpyxl

坑2：报错 `FileNotFoundError`

原因： Excel文件不在脚本同目录下，或文件名写错

解决：

检查文件名大小写（成绩表.xlsx ≠ 成绩表.XLSX）
或者用绝对路径：INPUT_FILE = "D:/data/成绩表.xlsx"

坑3：报错 `KeyError: '语文'`

原因： 表格里没有你写的列名

解决：

先用Excel打开文件，确认列名完全一致（注意空格！）
打印当前列名：在脚本第20行后加 print(list(df.columns))

坑4：成绩列有文本（如"缺考"）

原因： pandas无法对文本算平均分

解决： 修改脚本，在计算前把文本转成数字：

python 复制代码

df[SCORE_COLUMNS] = df[SCORE_COLUMNS].apply(pd.to_numeric, errors='coerce').fillna(0)

可改参数（适配其他场景）

场景1：按科目分组排名（如理科班、文科班）

修改配置区，添加分组列：

python 复制代码

GROUP_COL = "班级"  

# 新增

在排名前加一句：

python 复制代码

df['排名'] = df.groupby(GROUP_COL)['总分'].rank(ascending=False, method='min').astype(int)

场景2：只算部分科目（如只算三门主科）

修改 SCORE_COLUMNS：

python 复制代码

SCORE_COLUMNS = ["语文", "数学", "英语"]  

# 只算这三科

场景3：输出带百分比的成绩单

在保存前加一列：

python 复制代码

total_score = len(SCORE_COLUMNS) * 100
df['得分率'] = (df['总分'] / total_score * 100).round(1).astype(str) + '%'

场景4：跳过空值（不填充为0）

把第27行的 fillna(0) 改成：

python 复制代码

df = df.dropna(subset=SCORE_COLUMNS)  

# 直接删除有缺失的行

总结

这个脚本我用了两年，从课程设计到帮老师处理期末成绩，从没翻过车。核心思路就是改路径就能跑，你只需要：

装好pandas
改对列名
双击运行

额外提醒： 这种批量处理Excel的技能，在校园里特别实用------帮导师整理实验数据、帮社团做活动统计，甚至接个几十块钱的小单子帮同学处理成绩表，都是顺手的事。但记住，代码能力才是根本，别为了接单耽误学习。

有什么问题评论区留言，看到必回。记得先跑通示例数据，再套用你自己的表格。