如何使用CSV文件计算社区排行榜角色平均评分并完成排序

你代码出现异常大值、空值干扰计算的核心原因有两点：

1. 自定义convert_to_float逻辑完全错误：x.isnumeric未加括号执行，判断恒为真；列表推导式循环顺序写反，遍历过程中反复生成全量结果列表，非评分字段被错误转换，传入DataFrame的数据结构混乱，才会出现1.241342432e+79这类无效值。
2. 未对表单中空评分做标准空值转换。pandas计算均值时会自动跳过NaN类型空值，只要把未填的空单元格、无效内容转成NaN就不会干扰计算，不需要手动逐行排除。

修复后可直接运行的代码 #

import sys
import pandas as pd
import numpy as np

def main():
    # 读取谷歌表单导出的csv，遇编码乱码可将encoding改为'utf-8-sig'
    df = pd.read_csv(sys.argv[1], encoding='utf-8')
    
    # 遍历所有列做数值转换，无效值/空值自动转成NaN（计算均值时会自动跳过）
    for col in df.columns:
        # 若表单存在提交时间、昵称等非评分列，可在此加判断跳过，例：if "评分" not in col: continue
        df[col] = pd.to_numeric(df[col], errors='coerce')
        # 可选：过滤1-10分范围外的异常误填值，统一转为空值
        df[col] = df[col].where(df[col].between(1, 10), np.nan)
    
    # 计算各角色平均评分
    avg_score = df.mean().to_dict()
    # 按平均分降序生成排行榜
    rank_list = sorted(avg_score.items(), key=lambda x: x[1], reverse=True)
    
    # 输出结果
    print("各角色平均评分：")
    for role, score in avg_score.items():
        print(f"{role}: {round(score, 2)}")
    
    print("\n最终排行榜（评分从高到低）：")
    for idx, (role, score) in enumerate(rank_list, 1):
        print(f"第{idx}名：{role}，平均评分{round(score, 2)}")

if __name__ == "__main__":
    main()

关键说明 #

• 不需要手动用csv模块逐行读文件再转DataFrame，pandas自带的read_csv可以直接完成文件读取，适配绝大多数csv导出格式
• pd.to_numeric(errors='coerce')会自动把空字符串、非数字内容统一转成pandas可识别的空值NaN，所有聚合计算（均值、求和等）都会默认跳过这类值，不会拉低或拉高计算结果
• 运行方式和原代码一致，在命令行传入表单csv文件路径即可：python 脚本文件名.py 表单导出文件.csv
• 如果需要保留小数位数，调整round(score, 2)里的数字即可，比如保留1位小数就改成round(score, 1)

内容的提问来源于stack exchange，提问作者Shaheer Hammad