使用python从excel中提取数据的计算

我想计算我从excel文件中提取的成绩的平均分数和GPA。目前，我能够从excel文件中抓取该列，并了解了如何基于手动输入创建列表。但是，我想从excel中获取数字分数列，并将其用作输入（而不是手动输入），以便将其转换为GPA并计算累积GPA。我显然想在没有分数的情况下跳过这些课程。如何在GPA计算中使用excel中提取的数据？我是python新手，使用excel工作，所以一切都有帮助。多谢各位

Course                      Scores
Art II                        93
Spanish II                   100
Algebra II Trig Honors        96
Christian Scriptures          99
Chemistry   
American History Honors       87
Phys Ed
Chemistry II                  92

python代码

df3 = pd.read_excel('file.xlsx')
scores = df3[['Scores']]
print(scores)

letters = []
points = []
score = float(input("enter: "))
if(score < 101):
    letters.append('A')
    points.append(4.0)
elif(score < 90):
    letters.append('B')
    points.append(3.0)
elif(score < 80):
    letters.append('C')
    points.append(2.0)
elif(score < 70):
    letters.append('D')
    points.append(1.0)
elif(score < 60):
    letters.append('F')
    points.append(0.0)

print(letters)
print(points)

df3=pd.read\u excel（'file.xlsx'）
分数=df3[['分数']]
打印（分数）
字母=[]
点数=[]
分数=浮动（输入（“输入：”）
如果（分数<101）：
字母。追加（'A'）
点。附加（4.0）
elif（得分<90分）：
字母。追加（'B'）
点。附加（3.0）
elif（得分<80分）：
字母。追加（'C'）
点。附加（2.0）
elif（得分<70分）：
字母。追加（'D'）
points.append（1.0）
elif（得分<60分）：
字母。追加（'F'）
点。追加（0.0）
印刷品（信件）
打印（点数）

我认为您需要使用

平均值

，因为必须将分类转换为浮动：

bins = [0,60,70,80,90,101]
df3['letters'] = pd.cut(df3['Scores'], bins=bins, labels=list('FDCBA'))
df3['points'] = pd.cut(df3['Scores'], bins=bins, labels=[0.0,1.0,2.0,3.0,4.0])

mean = df3['points'].astype(float).mean()
print (mean)
3.8333333333333335

print (df3)
                    Course  Scores letters points
0                   Art II    93.0       A    4.0
1               Spanish II   100.0       A    4.0
2   Algebra II Trig Honors    96.0       A    4.0
3     Christian Scriptures    99.0       A    4.0
4                Chemistry     NaN     NaN    NaN
5  American History Honors    87.0       B    3.0
6                  Phys Ed     NaN     NaN    NaN
7             Chemistry II    92.0       A    4.0

---

颠倒存储桶的顺序，从60开始，然后是70，以此类推。目前所有数字都小于101，因此将首先进入该存储桶。从样本数据中预期输出什么？2个新列？您希望如何管理空分数？在这种情况下，预期输出为：3.83@jezraeli想要跳过空分数@carlozancocthis效果很好，但您介意解释前三行吗？我也需要它来做相反的事情（将字母分数转换成分数和GPA），所以我认为它会help@J.Doe-对于第一个问题，

cut

用于将Bin值分成离散区间。对于第二个相反的操作，问题更大，因为例如，

A

从

91到100，那么预期的输出是什么呢？所以如果我想将字母等级转换为数字和GPA，我不能使用相同的逻辑？例如，A->90-100/4.0，B->89-80/3.0，C=79-70->2.0等等。@J.Doe-我想我的主要问题是GPA
GPA
，不幸的是从来没有使用过它。你能给我一些公式和更多的信息吗？@J.Doe-好的，我想我明白了。我认为在这里最好的方法是使用
map
，类似于
df3['points1']=df3.letters.map（{'A'：4.0，'B'：3.0，'C'：2.0，'D'：1.0，'F'：0.0}）
，类似于
分数
类似于
df3['Scores1']=df3.letters.map（{'A'：'100-90'，'B'：'89-80'}）
，添加下一个值。