Python：如何從數字文件（分數）中讀取數據以用作列表並獲得高分，低分和平均分，並分組為十分位

Question

好吧，我需要這個問題的幫助，這是我上大學的最后一個項目，我不是csc專業，所以我真的只需要一些幫助！ 我需要從隨機數文件中讀取並找到最大值，最小值和平均值。 然后將0分到100分之間的每十分位數（10％）分為幾組。 不確定為什么我的代碼沒有運行，到目前為止，我僅嘗試獲取最小值，最大值和平均值。

我已經在閱讀文件列表中尋求幫助，但是很多解決方案包括某種類型的“ with”循環事物，我還沒有學到。 另外，還在考慮可能具有單獨的功能/方法進行排序，然后再進行百分比/星級排序。 感謝您的任何幫助！

輸出示例：

高分是：100

最低的分數是：0

平均是：55.49

范圍編號百分比

========================================

0-9 75 7.5％*******

10-19 82 8.2％********

等等....

輸入文件是一個.txt文件，每個樂譜都位於新行中。

33 99 14 52
76
78

This is the error that comes out:
Traceback (most recent call last):
  File "/Users/meganhorton/Desktop/Python/hw5.py", line 36, in <module>
    main()
  File "/Users/meganhorton/Desktop/Python/hw5.py", line 20, in main
    avgScore = float(sum(scoresList)/len(scoresList))
TypeError: unsupported operand type(s) for +: 'int' and 'str'
>>> 

Answer 1

這是使用純Python解決問題的另一種方法：

with open("scores.txt", "r") as inFile:
    scores = [int(line) for line in inFile]
    maximum = max(scores)
    minimum = min(scores)
    average = sum(scores) / len(scores)

    deciles = [0 for i in range(10)]
    for score in scores:
        for i in range(0,100,10):
            if score in range(i, i+10):
                deciles[int(i/10)] += 1

    print("The high score is: %d" % maximum)
    print("The low score is: %d" % minimum)
    print("The average is: %.2f" % average)

    print("=========================================")

    for i in range(10):
        print("%d - %d" % (i*10, i*10+9), end=" ")
        print(deciles[i], end=" ")
        print("%.2f %s" % (((deciles[i] / sum(deciles)) * 100.0), "%"), end=" ")
        print("*" * deciles[i])

您提供的示例數據的輸出：

The high score is: 98
The low score is: 18
The average is: 66.83
=========================================
0 - 9 0 0.00 % 
10 - 19 1 16.67 % *
20 - 29 0 0.00 % 
30 - 39 0 0.00 % 
40 - 49 1 16.67 % *
50 - 59 1 16.67 % *
60 - 69 0 0.00 % 
70 - 79 0 0.00 % 
80 - 89 0 0.00 % 
90 - 99 3 50.00 % ***

Answer 2

有一些方便的dandy工具用於python中的數據處理。 我建議使用pandas ，因為它只需一個函數調用就可以完成很多工作。

import pandas as pd
import numpy as np

df = pd.read_csv("OldScores.txt", header=None, names=["scores"])
high_score = df["scores"].max()
low_score = df["scores"].min()
mean_score = df["scores"].mean()
median_score = df["scores"].median()
counts, divisions = np.histogram(df["scores"], bins=list(range(0,101,10)))
relative_counts = counts/df["scores"].shape[0]