正文
python函数计算成绩 python计算平均成绩
小程序:扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序
【扫一扫了解最新限行尾号】
复制小程序
python求输出全班十名同学的姓名和成绩+输出高于全班平均分的同学姓名和成绩
# 创建一个包含10名同学姓名的列表
names = list(("张三", "李四", "王五", "赵六", "孙七", "周八", "吴九", "郑十", "陈一", "刘二"))
# 创建一个包含10名同学成绩的列表
scores = list((90, 85, 92, 78, 88, 95, 80, 82, 86, 91))
# 计算全班平均分
average = sum(scores) / len(scores)
# 输出全班姓名和成绩
print("全班姓名和成绩如下:")
for i in range(len(names)):
print(names[i], scores[i])
# 输出高于平均分的姓名和成绩
print("高于全班平均分的同学如下:")
for i in range(len(names)):
if scores[i] average:
print(names[i], scores[i])
可以使用range()函数来创建一个整数列表,使用list()构造器来创建一个包含姓名和成绩的列表,使用len()函数来计算列表的长度,使用sum()函数来计算列表的总和,使用for循环和if条件来筛选出高于平均分的同学,使用print()函数来输出结果。
使用python 程序 使用input函数输入10位同学的成绩 求10位同学的和及平均数
sum = 0 #初始化
l = 10 #总共录入几个
for i in range(l + 1):
if i == 0:
pass
else:
k = input("录入第" + str(i) + "个成绩:")
sum += float(k)
avg = sum / l
print("成绩总和:",str(sum))
print("成绩平均:",str(avg))
求python通过键盘输入成绩,用分支结构算成绩相应的绩点并输出成绩绩点,计算绩点公式=成绩-60
score = float(input("请输入成绩:")) # 从键盘读取成绩
if score = 90.0 and score = 100.0:
gpa = 4.0
elif score = 85.0 and score 90.0:
gpa = 3.7
elif score = 82.0 and score 85.0:
gpa = 3.3
elif score = 78.0 and score 82.0:
gpa = 3.0
elif score = 75.0 and score 78.0:
gpa = 2.7
elif score = 72.0 and score 75.0:
gpa = 2.3
elif score = 68.0 and score 72.0:
gpa = 2.0
elif score = 64.0 and score 68.0:
gpa = 1.5
elif score = 60.0 and score 64.0:
gpa = 1.0
else:
gpa = 0.0
gpa += (score - 60.0) / 10.0 # 计算成绩绩点
print("成绩为:", score, ",绩点为:", gpa) # 输出成绩和绩点
python用函数给不及格成绩加分
python用函数给不及格成绩加分
Python的高级特征你知多少?来对比看看
机器之心
人工智能信息服务平台
来自专栏机器之心
Python 多好用不用多说,大家看看自己用的语言就知道了。但是 Python 隐藏的高级功能你都 get 了吗?本文中,作者列举了 Python 中五种略高级的特征以及它们的使用方法,快来一探究竟吧!
选自towardsdatascience,作者:George Seif,机器之心编译。
Python 是一种美丽的语言,它简单易用却非常强大。但你真的会用 Python 的所有功能吗?
任何编程语言的高级特征通常都是通过大量的使用经验才发现的。比如你在编写一个复杂的项目,并在 stackoverflow 上寻找某个问题的答案。然后你突然发现了一个非常优雅的解决方案,它使用了你从不知道的 Python 功能!
这种学习方式太有趣了:通过探索,偶然发现什么。
下面是 Python 的 5 种高级特征,以及它们的用法。
Lambda 函数
Lambda 函数是一种比较小的匿名函数——匿名是指它实际上没有函数名。
Python 函数通常使用 def a_function_name() 样式来定义,但对于 lambda 函数,我们根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算,而无需完全定义函数。
lambda 函数可以使用任意数量的参数,但表达式只能有一个。
x = lambda a, b : a * b print(x(5, 6)) # prints '30' x = lambda a : a*3 + 3 print(x(3)) # prints '12'
看它多么简单!我们执行了一些简单的数学运算,而无需定义整个函数。这是 Python 的众多特征之一,这些特征使它成为一种干净、简单的编程语言。
Map 函数
Map() 是一种内置的 Python 函数,它可以将函数应用于各种数据结构中的元素,如列表或字典。对于这种运算来说,这是一种非常干净而且可读的执行方式。
def square_it_func(a): return a * a x = map(square_it_func, [1, 4, 7]) print(x) # prints '[1, 16, 47]' def multiplier_func(a, b): return a * b x = map(multiplier_func, [1, 4, 7], [2, 5, 8]) print(x) # prints '[2, 20, 56]'看看上面的示例!我们可以将函数应用于单个或多个列表。实际上,你可以使用任何 Python 函数作为 map 函数的输入,只要它与你正在操作的序列元素是兼容的。
Filter 函数
filter 内置函数与 map 函数非常相似,它也将函数应用于序列结构(列表、元组、字典)。二者的关键区别在于 filter() 将只返回应用函数返回 True 的元素。
详情请看如下示例:
# Our numbers numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15] # Function that filters out all numbers which are odd def filter_odd_numbers(num): if num % 2 == 0: return True else: return False filtered_numbers = filter(filter_odd_numbers, numbers) print(filtered_numbers) # filtered_numbers = [2, 4, 6, 8, 10, 12, 14]
我们不仅评估了每个列表元素的 True 或 False,filter() 函数还确保只返回匹配为 True 的元素。非常便于处理检查表达式和构建返回列表这两步。
Itertools 模块
Python 的 Itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句(包括列表、元组和字典)中使用的数据类型。
使用 Itertools 模块中的函数让你可以执行很多迭代器操作,这些操作通常需要多行函数和复杂的列表理解。关于 Itertools 的神奇之处,请看以下示例:
from itertools import * # Easy joining of two lists into a list of tuples for i in izip([1, 2, 3], ['a', 'b', 'c']): print i # ('a', 1) # ('b', 2) # ('c', 3) # The count() function returns an interator that # produces consecutive integers, forever. This # one is great for adding indices next to your list # elements for readability and convenience for i in izip(count(1), ['Bob', 'Emily', 'Joe']): print i # (1, 'Bob') # (2, 'Emily') # (3, 'Joe') # The dropwhile() function returns an iterator that returns # all the elements of the input which come after a certain # condition becomes false for the first time. def check_for_drop(x): print 'Checking: ', x return (x 5) for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]): print 'Result: ', i # Checking: 2 # Checking: 4 # Result: 6 # Result: 8 # Result: 10 # Result: 12 # The groupby() function is great for retrieving bunches # of iterator elements which are the same or have similar # properties a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5]) for key, value in groupby(a): print(key, value), end=' ') # (1, [1, 1, 1]) # (2, [2, 2, 2]) # (3, [3, 3]) # (4, [4]) # (5, [5])
Generator 函数
Generator 函数是一个类似迭代器的函数,即它也可以用在 for 循环语句中。这大大简化了你的代码,而且相比简单的 for 循环,它节省了很多内存。
比如,我们想把 1 到 1000 的所有数字相加,以下代码块的第一部分向你展示了如何使用 for 循环来进行这一计算。
如果列表很小,比如 1000 行,计算所需的内存还行。但如果列表巨长,比如十亿浮点数,这样做就会出现问题了。使用这种 for 循环,内存中将出现大量列表,但不是每个人都有无限的 RAM 来存储这么多东西的。Python 中的 range() 函数也是这么干的,它在内存中构建列表。
代码中第二部分展示了使用 Python generator 函数对数字列表求和。generator 函数创建元素,并只在必要时将其存储在内存中,即一次一个。这意味着,如果你要创建十亿浮点数,你只能一次一个地把它们存储在内存中!Python 2.x 中的 xrange() 函数就是使用 generator 来构建列表。
上述例子说明:如果你想为一个很大的范围生成列表,那么就需要使用 generator 函数。如果你的内存有限,比如使用移动设备或边缘计算,使用这一方法尤其重要。
也就是说,如果你想对列表进行多次迭代,并且它足够小,可以放进内存,那最好使用 for 循环或 Python 2.x 中的 range 函数。因为 generator 函数和 xrange 函数将会在你每次访问它们时生成新的列表值,而 Python 2.x range 函数是静态的列表,而且整数已经置于内存中,以便快速访问。
# (1) Using a for loopv numbers = list() for i in range(1000): numbers.append(i+1) total = sum(numbers) # (2) Using a generator def generate_numbers(n): num, numbers = 1, [] while num n: numbers.append(num) num += 1 return numbers total = sum(generate_numbers(1000)) # (3) range() vs xrange() total = sum(range(1000 + 1)) total = sum(xrange(1000 + 1))
Python编程题:编写函数,计算某班级学生考试的平均分?
def avgScore(scores,n=10):
s = 0
for i in range(len(scores)):
s += scores[i]
return s/n
scores=[90,88,76,45,77,95,66,88,91]
print("按班级人数计算python函数计算成绩的平均值python函数计算成绩:{:.2f}".format(avgScore(scores)))
print("按考试人数计算python函数计算成绩的平均值python函数计算成绩:{:.2f}".format(avgScore(scores,len (scores))))
python函数计算成绩的介绍就聊到这里吧,感谢你花时间阅读本站内容,更多关于python计算平均成绩、python函数计算成绩的信息别忘了在本站进行查找喔。