从青涩到 AI：我与评估程序的三十年 “纠缠” 与重启（参数化）

接上篇：从青涩到 AI：我与评估程序的三十年 “纠缠” 与重启
  主要对参数配置和模板文件处理进行了改动，将可参数化的数据放到了config.yaml文件中，再一个将模板文件（评估模板.xlsx）分离为(7年级模板.xlsx,8年级模板.xlsx，9年级模板.xlsx)，真正做到评估结果直接可以打印。对于各年级评估算法一样，只是科目名不同，所以模板大同小异，分别设置模板后，以免打印时再次重新调整，提高易用性和效率。

主要改动：

1. 评估规则参数化配置:

   • 核心改动: 将之前硬编码在 Python 代码 (score_evaluator.py 的 _evaluate_* 函数中) 的大量评估规则数值移到了 config.yaml 文件中。
   • 具体参数: 这包括：
     • 排名阈值: 如一层次评估中的 80 名、160 名界限。
     • 重点评估得分: 每个项目中，符合条件的学生所得的分数（例如，一层次班团总分前 80 名得 2 分，二层次教师单科优秀且总分合格得 2 分等）。
     • 全面评估权重/乘数: 在计算优秀率、平均分、合格率、非低分率等指标相对于同层次最高值的得分时，所使用的乘数（例如，一层次班团优秀率积分乘以 40）。
     • 教师最终总分权重: 在计算教师最终总分时，小计1 和小计2 所占的百分比（例如，一层次教师的小计1权重为 0.3，小计2权重为 0.7）。
   • 实现方式: 在 config.yaml 的每个年级配置下增加了 evaluation_rules 部分，并细分了 class_team 和 teacher，再按 level_1 和 level_2 组织这些参数。Python 代码中的相应评估函数被修改为从 self.eval_rules 读取这些配置值。

2. 模板文件按年级配置:

   • 核心改动: 将原先在 config.yaml 的 general_settings 中的全局 template_file 设置，移至每个年级（7, 8, 9）各自的配置块内。
   • 实现方式: 每个年级配置下现在都有一个独立的 template_file 键，例如 7: template_file: '7年级模板.xlsx'。Python 代码 (__init__, check_required_files, save_results) 被修改为读取和使用当前评估年级对应的 template_file 配置。

3. 代码适应性修改:

   • ScoreEvaluator.__init__: 更新以加载新的 evaluation_rules 和年级特定的 template_file。
   • load_config: 更新以验证新的配置结构。
   • 评估函数 (_evaluate_*): 更新以使用从配置加载的规则参数。
   • 文件处理函数 (check_required_files, save_results): 更新以使用年级特定的模板文件名。

4. 计算逻辑修正 (附带):

   • 根据您的确认，修正了 _evaluate_second_level_class 函数中二层次班团的总积分计算逻辑，使其现在等于未加权的小计1与未加权的小计2之和。

这些改动带来的好处：

1. 提高灵活性和可配置性:

   • 最显著的好处是，如果学校将来需要调整评估标准（例如修改排名界限、调整各项得分或权重），只需修改 config.yaml 文件即可，不再需要深入 Python 代码进行修改。这大大降低了调整评估规则的难度和风险。
   • 可以轻松地为不同年级设置不同的评估规则和模板文件，满足差异化需求。

2. 增强可维护性:

   • 将易变的评估规则与相对稳定的计算逻辑分离。代码 (.py) 专注于“如何计算”，配置文件 (.yaml) 则定义“计算标准是什么”。
   • 规则集中存放在 config.yaml 中，更易于查找、理解和管理。修改配置通常比修改代码更安全，减少了引入程序错误的可能性。

3. 提升代码清晰度和可读性:

   • 评估函数中的代码不再充斥着各种“魔法数字”，而是引用具有明确含义的配置变量（如 rules['focus_points_rank1']），使得代码逻辑更易懂。

4. 便于扩展和重用:

   • 如果需要为新的年级（如六年级）添加评估，只需在 config.yaml 中增加对应的配置块，并准备好相应的模板文件，代码主体基本无需改动。
   • 这套程序更容易被其他需要类似评估逻辑的场景复用，只需修改配置文件即可适应新规则。

总而言之，这些改动将评估的核心“规则”部分从程序代码中解耦出来，放入了专门的配置文件，使得程序更加灵活、易于维护和适应未来的变化。

修改后配置文件 “config.yaml”

# === 程序配置文件 ===# --- 通用设置 ---
general_settings:# template_file: '评估模板.xlsx'      # <--- 移除此行# !!! 重要：请根据实际教师分工表修改此项 !!!head_teacher_column_name: '班主任'  # 教师分工表中代表"班主任"的列名 class_team_output_label: '班团'    # 在最终评估结果中代表"班团"评估的标签名# --- 评分标准阈值 (百分比) ---
score_thresholds:excellent_rate: 0.8  # 优秀线比例 (满分的80%)pass_rate: 0.6       # 合格线比例 (满分的60%)low_score_rate: 0.3  # 低分线低于此比例 (满分的30%)# --- 年级特定配置 ---
grades:# --- 七年级配置 ---7: template_file: '7年级模板.xlsx'  # <--- 新增七年级模板配置# 成绩表科目列名 (参与总分计算和排名)subjects: - 语文- 数学- 英语- 道法- 历史- 地理- 生物# 各科目满分full_scores:       语文: 120数学: 120英语: 90道法: 60历史: 60地理: 50生物: 100# 教师分工表科目列名 (程序将查找这些列以获取教师姓名)teacher_file_subjects: - 语文- 数学- 英语- 生物- 地理- 道法- 历史# --- 评估规则 ---evaluation_rules:class_team: # 班团评估level_1:  # 一层次rank_threshold_1: 80         # 重点评估项目1排名界限rank_threshold_2: 160        # 重点评估项目2排名界限focus_points_rank1: 2        # 项目1得分/人focus_points_rank2: 1.5      # 项目2得分/人focus_points_excellent: 1    # 项目3得分/人comp_weight_excellent: 40    # 全面评估-优生率积分权重comp_weight_avg: 40          # 全面评估-平均分积分权重comp_weight_non_low: 20      # 全面评估-非低分率积分权重level_2:  # 二层次focus_points_excellent: 2    # 项目1得分/人focus_points_pass: 1.5       # 项目2得分/人comp_weight_excellent: 5     # 全面评估-优生率积分权重comp_weight_pass: 30         # 全面评估-合格率积分权重comp_weight_avg: 30          # 全面评估-平均分积分权重comp_weight_non_low: 35      # 全面评估-非低分率积分权重# 注意：二层次班团总分 = 小计1 + 小计2 (直接相加)teacher: # 教师评估level_1: # 一层次rank_threshold_1: 80         # 重点评估项目1&2排名界限rank_threshold_2: 160focus_points_p1: 2           # 项目1得分/人focus_points_p2: 1.5         # 项目2得分/人focus_points_p3: 1           # 项目3得分/人focus_points_p4: 0.5         # 项目4得分/人comp_weight_excellent: 40    # 全面评估-优生率积分权重comp_weight_avg: 40          # 全面评估-平均分积分权重comp_weight_non_low: 20      # 全面评估-非低分率积分权重final_weight_sub1: 0.3       # 最终总分中小计1权重final_weight_sub2: 0.7       # 最终总分中小计2权重level_2: # 二层次focus_points_p1: 2           # 项目1得分/人focus_points_p2: 1.5         # 项目2得分/人comp_weight_excellent: 5     # 全面评估-优生率积分权重comp_weight_pass: 30         # 全面评估-合格率积分权重comp_weight_avg: 30          # 全面评估-平均分积分权重comp_weight_non_low: 35      # 全面评估-非低分率积分权重final_weight_sub1: 0.2       # 最终总分中小计1权重final_weight_sub2: 0.8       # 最终总分中小计2权重# --- 八年级配置 ---8: template_file: '8年级模板.xlsx'  # <--- 新增八年级模板配置subjects: - 语文- 数学- 英语- 物理- 生物- 地理- 历史- 道法full_scores:语文: 120数学: 120英语: 120物理: 70生物: 50地理: 50历史: 60道法: 60teacher_file_subjects:- 语文- 数学- 英语- 物理- 道法- 历史- 地理- 生物# --- 评估规则 ---evaluation_rules: # (与7年级相同，如果不同请修改)class_team: level_1: rank_threshold_1: 80rank_threshold_2: 160focus_points_rank1: 2focus_points_rank2: 1.5focus_points_excellent: 1comp_weight_excellent: 40comp_weight_avg: 40comp_weight_non_low: 20level_2: focus_points_excellent: 2focus_points_pass: 1.5comp_weight_excellent: 5comp_weight_pass: 30comp_weight_avg: 30comp_weight_non_low: 35teacher: level_1: rank_threshold_1: 80rank_threshold_2: 160focus_points_p1: 2focus_points_p2: 1.5focus_points_p3: 1focus_points_p4: 0.5comp_weight_excellent: 40comp_weight_avg: 40comp_weight_non_low: 20final_weight_sub1: 0.3final_weight_sub2: 0.7level_2: focus_points_p1: 2focus_points_p2: 1.5comp_weight_excellent: 5comp_weight_pass: 30comp_weight_avg: 30comp_weight_non_low: 35final_weight_sub1: 0.2final_weight_sub2: 0.8# --- 九年级配置 ---9: template_file: '9年级模板.xlsx'  # <--- 新增九年级模板配置subjects: - 语文- 数学- 英语- 物理- 化学- 历史- 道法full_scores:语文: 120数学: 120英语: 120物理: 80化学: 70历史: 50道法: 50teacher_file_subjects:- 语文- 数学- 英语- 物理- 化学- 历史- 道法# --- 评估规则 ---evaluation_rules: # (与7年级相同，如果不同请修改)class_team: level_1: rank_threshold_1: 80rank_threshold_2: 160focus_points_rank1: 2focus_points_rank2: 1.5focus_points_excellent: 1comp_weight_excellent: 40comp_weight_avg: 40comp_weight_non_low: 20level_2: focus_points_excellent: 2focus_points_pass: 1.5comp_weight_excellent: 5comp_weight_pass: 30comp_weight_avg: 30comp_weight_non_low: 35teacher: level_1: rank_threshold_1: 80rank_threshold_2: 160focus_points_p1: 2focus_points_p2: 1.5focus_points_p3: 1focus_points_p4: 0.5comp_weight_excellent: 40comp_weight_avg: 40comp_weight_non_low: 20final_weight_sub1: 0.3final_weight_sub2: 0.7level_2: focus_points_p1: 2focus_points_p2: 1.5comp_weight_excellent: 5comp_weight_pass: 30comp_weight_avg: 30comp_weight_non_low: 35final_weight_sub1: 0.2final_weight_sub2: 0.8

修改后的程序

import pandas as pd
import numpy as np
import os
import shutil
from datetime import datetime
import yaml # 新增：用于读取 YAML 配置# 尝试导入 openpyxl，如果失败则提示安装
try:from openpyxl import load_workbook
except ImportError:print("错误：缺少必需的库 'openpyxl'。请使用 'pip install openpyxl' 命令安装后再试。")raise # 重新抛出异常# --- 全局配置变量 --- 
CONFIG = None # 用于存储加载的配置
CONFIG_FILE = 'config.yaml' # 配置文件名def load_config(config_path=CONFIG_FILE):"""加载 YAML 配置文件"""global CONFIGtry:with open(config_path, 'r', encoding='utf-8') as f:CONFIG = yaml.safe_load(f)if CONFIG is None:raise ValueError(f"配置文件 '{config_path}' 为空或格式不正确。")# 基本的配置验证 (可以根据需要扩展)if 'general_settings' not in CONFIG or 'score_thresholds' not in CONFIG or 'grades' not in CONFIG:raise ValueError(f"配置文件 '{config_path}' 缺少必需的顶层键 (general_settings, score_thresholds, grades)。")# !! 新增: 检查每个年级配置中是否有 template_file 和 evaluation_rulesfor grade, grade_config in CONFIG['grades'].items():if 'template_file' not in grade_config:raise ValueError(f"配置文件 '{config_path}' 中年级 {grade} 缺少必需的 'template_file' 配置。")if 'evaluation_rules' not in grade_config:raise ValueError(f"配置文件 '{config_path}' 中年级 {grade} 缺少必需的 'evaluation_rules' 配置。")# 可选：更深入地检查 evaluation_rules 内部结构if 'class_team' not in grade_config['evaluation_rules'] or 'teacher' not in grade_config['evaluation_rules']:raise ValueError(f"配置文件 '{config_path}' 中年级 {grade} 的 'evaluation_rules' 缺少 'class_team' 或 'teacher' 配置。")# ... 可根据需要添加更多层级的检查 ...print(f"配置文件 '{config_path}' 加载成功。")except FileNotFoundError:print(f"错误：配置文件 '{config_path}' 未找到。请确保它与脚本在同一目录下。")raiseexcept yaml.YAMLError as e:print(f"错误：解析配置文件 '{config_path}' 时出错：{e}")raiseexcept ValueError as e: # 捕获上面添加的 ValueErrorprint(f"错误：配置文件 '{config_path}' 内容不完整或格式错误：{e}")raiseexcept Exception as e:print(f"加载配置文件时发生未知错误：{e}")raiseclass ScoreEvaluator:def __init__(self, grade):global CONFIGif CONFIG is None:# 尝试加载配置，如果 main 函数未预先加载try:load_config()except Exception:print("在 ScoreEvaluator 初始化时加载配置失败。程序无法继续。")raise RuntimeError("无法加载配置文件") # grade 现在是整数if grade not in CONFIG['grades']: supported_grades_str = [str(k) for k in CONFIG['grades'].keys()]raise ValueError(f"不支持的年级: {grade}. 配置文件中支持的年级: {supported_grades_str}")self.grade = grade self.grade_config = CONFIG['grades'][grade] self.general_config = CONFIG['general_settings']self.threshold_config = CONFIG['score_thresholds']# --- 关键修复：确保加载评估规则 ---# 检查 evaluation_rules 是否存在，如果不存在则抛出更明确的错误if 'evaluation_rules' not in self.grade_config:raise ValueError(f"配置文件 '{CONFIG_FILE}' 中年级 {grade} 缺少必需的 'evaluation_rules' 配置。")self.eval_rules = self.grade_config['evaluation_rules'] # -------------------------------------# --- 从配置加载其他设置 ---self.SUBJECTS = self.grade_config['subjects']self.SUBJECT_FULL_SCORES = self.grade_config['full_scores']self.TEACHER_FILE_SUBJECTS = self.grade_config['teacher_file_subjects']# !! 修改: 从年级配置加载 template_fileif 'template_file' not in self.grade_config:raise ValueError(f"配置文件 '{CONFIG_FILE}' 中年级 {grade} 缺少必需的 'template_file' 配置。")self.template_file = self.grade_config['template_file'] self.head_teacher_col = self.general_config['head_teacher_column_name']self.class_team_label = self.general_config['class_team_output_label']self.SCORE_THRESHOLDS = self.threshold_config# -----------------------# --- 设置动态文件名和目录名 ---self.scores_file = f'{self.grade}年级成绩表.xlsx'self.teachers_file = f'{self.grade}年级教师分工表.xlsx'self.detailed_data_dir = f'{self.grade}年级详细数据'# ---------------------------self.subject_thresholds = self._calculate_subject_thresholds()if not os.path.exists(self.detailed_data_dir):os.makedirs(self.detailed_data_dir)def _calculate_subject_thresholds(self):"""计算各科目的优秀、合格、低分线"""thresholds = {}# 使用 self.SUBJECT_FULL_SCORES 和 self.SCORE_THRESHOLDS (从配置加载)for subject, full_score in self.SUBJECT_FULL_SCORES.items():thresholds[subject] = {'excellent': full_score * self.SCORE_THRESHOLDS['excellent_rate'],'pass': full_score * self.SCORE_THRESHOLDS['pass_rate'],'low': full_score * self.SCORE_THRESHOLDS['low_score_rate']}return thresholdsdef check_required_files(self):"""检查必需的文件是否存在"""# 使用动态和配置的文件名required_files = [self.scores_file, self.teachers_file, self.template_file]missing_files = []for file in required_files:if not os.path.exists(file):missing_files.append(file)if missing_files:# !! 修改: 明确指出哪个模板文件缺失if self.template_file in missing_files:raise FileNotFoundError(f"缺少必需文件，特别是 {self.grade} 年级的模板文件 '{self.template_file}'。其他缺失文件（如果有）：{', '.join(f for f in missing_files if f != self.template_file)}")else:raise FileNotFoundError(f"缺少以下必需文件：{', '.join(missing_files)}")def prepare_data(self):"""准备评估所需的数据"""self.check_required_files()try:# 读取原始数据 (使用动态文件名)self.scores_df = pd.read_excel(self.scores_file)self.teachers_df = pd.read_excel(self.teachers_file)# self.template_df = pd.read_excel(self.template_file) # 不再需要读取模板内容# 检查必需的列 (使用配置的科目列表和班主任列名)required_scores_columns = ['评估班级', '层次', '准考证', '姓名'] + self.SUBJECTS # 确保准考证和姓名也在检查列表里# 教师表需要班号、配置的班主任列名、以及配置的所有科目教师列required_teachers_columns = ['班号', self.head_teacher_col] + self.TEACHER_FILE_SUBJECTSmissing_scores_cols = [col for col in required_scores_columns if col not in self.scores_df.columns]if missing_scores_cols:raise ValueError(f"{self.scores_file} 缺少必需的列：{', '.join(missing_scores_cols)}")missing_teachers_cols = [col for col in required_teachers_columns if col not in self.teachers_df.columns]if missing_teachers_cols:raise ValueError(f"{self.teachers_file} 缺少必需的列：{', '.join(missing_teachers_cols)}")# 验证层次数据 (保持不变)if not self.scores_df['层次'].isin(['一层次', '二层次']).all():raise ValueError(f"{self.scores_file} 中的层次列必须只包含'一层次'或'二层次'")# 将层次值映射为数字 (保持不变)self.scores_df['层次_数值'] = self.scores_df['层次'].map({'一层次': 1, '二层次': 2})# 重新组织教师数据 (使用配置的班主任列名和科目列表)teacher_data = []for _, row in self.teachers_df.iterrows():班号 = row['班号']# 添加班主任记录 (使用配置的列名)teacher_data.append({'班号': 班号,'教师姓名': row[self.head_teacher_col],'学科': '__HeadTeacher__' # 使用内部固定标识符，不暴露给配置})# 添加各科目教师记录 (使用配置的 self.TEACHER_FILE_SUBJECTS)for subject in self.TEACHER_FILE_SUBJECTS:teacher_data.append({'班号': 班号,'教师姓名': row[subject],'学科': subject})# 转换为DataFrameself.teachers_df = pd.DataFrame(teacher_data)# 创建班主任映射字典 (使用内部标识符查找)self.class_teacher_map = self.teachers_df[self.teachers_df['学科'] == '__HeadTeacher__'].set_index('班号')['教师姓名'].to_dict()# 计算总分 (使用配置的科目列表 self.SUBJECTS)self.scores_df['总分'] = self.scores_df[self.SUBJECTS].sum(axis=1)# 计算各科目排名self._calculate_rankings()except KeyError as e:# 捕获因配置错误或Excel列名不匹配导致的KeyErrorprint(f"数据准备过程中出现列名错误：找不到列 '{e}'。")print(f"请检查配置文件 ({CONFIG_FILE}) 中的科目/班主任列名是否与 Excel 文件 ({self.scores_file}, {self.teachers_file}) 完全匹配。")raise ValueError(f"列名不匹配错误: {e}")except Exception as e:print(f"数据准备过程中出错：{str(e)}") # 提供更具体的错误信息raisedef _calculate_rankings(self):"""计算各科目的排名"""# 使用配置的科目列表 self.SUBJECTSsubjects_to_rank = self.SUBJECTS + ['总分']# 计算全校排名 (保持不变)for subject in subjects_to_rank:if subject in self.scores_df.columns:self.scores_df[f'{subject}_全校名次'] = self.scores_df[subject].rank(ascending=False, method='min')# 计算班级排名 (保持不变)for subject in subjects_to_rank:if subject in self.scores_df.columns:self.scores_df[f'{subject}_班级名次'] = self.scores_df.groupby('评估班级')[subject].rank(ascending=False, method='min')def _safe_max(self, values, default=0):"""安全地计算最大值，如果列表为空则返回默认值"""try:# 过滤掉可能的NaN值或其他非数值类型numeric_values = [v for v in values if isinstance(v, (int, float)) and not np.isnan(v)]return max(numeric_values) if numeric_values else defaultexcept Exception:# 更广泛的异常捕获可能更安全return defaultdef _save_detailed_data(self, class_data, class_num, subject, level, debug_info):"""保存详细评估数据到文件"""# 检查输出的科目名是否是内部的班主任标记，如果是，则替换为配置的输出标签output_subject_name = self.class_team_label if subject == '__HeadTeacher__' else subjecttry:# 使用动态目录名和处理过的科目名filename = os.path.join(self.detailed_data_dir, f'{output_subject_name}.txt')# 以追加模式打开文件with open(filename, 'a', encoding='utf-8') as f:f.write(f"\n{'='*50}")f.write(f"\n{class_num}班（{level}）详细数据 - 科目: {output_subject_name}\n") # 明确指出科目# 添加所有考生基本信息f.write(f"\n--- 所有考生基本信息 (总人数: {len(class_data)}) ---\n")for _, student in class_data.iterrows():# 如果是班团评估(用内部标记判断)，只显示总分相关if subject == '__HeadTeacher__': f.write(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, 总分：{student['总分']}, 总分名次：{student['总分_全校名次']}\n")else:# 对于其他科目，显示科目相关信息 (保持不变)subject_score = student.get(subject, 'N/A')subject_rank = student.get(f'{subject}_全校名次', 'N/A')total_score = student.get('总分', 'N/A')total_rank = student.get('总分_全校名次', 'N/A')f.write(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, {subject}：{subject_score}, {subject}名次：{subject_rank}, 总分：{total_score}, 总分名次：{total_rank}\n")# --- 解析和写入 debug_info 的逻辑保持不变 --- project_sections = []assessment_data = []assessment_calc = []current_section = Nonesection_type = None # 可以是 'project', 'data', 'calc'for line in debug_info:line_stripped = line.strip()# 跳过空行或不必要的行if not line_stripped:continue# 检测部分标题if line_stripped.startswith("--- 项目") and line_stripped.endswith("---"):if current_section and section_type == 'project':project_sections.append(current_section)current_section = {"title": line_stripped, "description": [], "students": [], "summary": None}section_type = 'project'continueelif line_stripped.startswith("--- 全面评估数据 ---"):if current_section and section_type == 'project': # 完成最后一个项目project_sections.append(current_section)current_section = Nonesection_type = 'data'continueelif line_stripped.startswith("--- 全面评估积分计算 ---"):section_type = 'calc'continue# 其他类型的分隔符可以视为部分的结束elif line_stripped.startswith("---"):if current_section and section_type == 'project':project_sections.append(current_section)current_section = Nonesection_type = None # 重置类型continue# 根据当前部分类型收集内容if section_type == 'project' and current_section:if "准考证" in line and "姓名" in line:current_section["students"].append(line_stripped)elif "线" in line or "范围" in line:if not ("人数" in line and "得分" in line):current_section["description"].append(line_stripped)elif "项目" in line and "人数" in line and "得分" in line:current_section["summary"] = line_strippedelif section_type == 'data':assessment_data.append(line_stripped)elif section_type == 'calc':assessment_calc.append(line_stripped)# 确保最后一个项目（如果存在）被添加if current_section and section_type == 'project':project_sections.append(current_section)# --- 结束修改后的解析逻辑 ---# 写入记分项目考生详细信息部分f.write("\n--- 记分项目考生详细信息 ---\n")if not project_sections:f.write("无记分项目信息\n")else:for section in project_sections:# 写入项目标题f.write(f"\n{section['title']}\n")# 写入项目描述for desc in section["description"]:f.write(f"{desc}\n")# 写入考生信息if section["students"]:f.write("考生详细信息：\n")for student in section["students"]:f.write(f"{student}\n")else:f.write("无符合条件的考生\n")# 写入项目汇总if section["summary"]:f.write(f"{section['summary']}\n")# 写入全面评估数据f.write("\n--- 全面评估数据 ---\n")if not assessment_data:f.write("无全面评估数据\n")else:for line in assessment_data:f.write(f"{line}\n")# 写入全面评估积分计算f.write("\n--- 全面评估积分计算 ---\n")if not assessment_calc:f.write("无全面评估积分计算数据\n")else:for line in assessment_calc:f.write(f"{line}\n")f.write('\n')except Exception as e:print(f"保存科目 '{output_subject_name}' 的详细数据时出错：{str(e)}") # 提示哪个科目出错# 不再向上抛出，避免一个科目的错误中断整个流程，但会在最后提示# raise def _evaluate_first_level_class(self, class_data, class_num):"""一层次班级评估"""total_students = len(class_data)debug_info = []  # 用于存储调试信息# 创建一个标记数组，用于记录已计分的学生counted_students = pd.Series(False, index=class_data.index)# --- 重点评估 --- # 项目1：总分1-80名（2分）top_80_mask = class_data['总分_全校名次'] <= 80top_80_students = class_data[top_80_mask]top_80_count = len(top_80_students) # 使用len确保一致性score_1 = top_80_count * 2counted_students = counted_students | top_80_maskdebug_info.append(f"\n总人数：{total_students}") # 移到项目1之前debug_info.append("\n--- 项目1：总分1-80名（2分）---")for _, student in top_80_students.iterrows():debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, 总分：{student['总分']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目1人数：{top_80_count}, 得分：{score_1}")# 项目2：总分81-160名（1.5分）top_81_160_mask_scored = (class_data['总分_全校名次'] > 80) & (class_data['总分_全校名次'] <= 160) & ~counted_studentstop_81_160_students_scored = class_data[top_81_160_mask_scored]top_81_160_count = len(top_81_160_students_scored)score_2 = top_81_160_count * 1.5counted_students = counted_students | top_81_160_mask_scoreddebug_info.append("\n--- 项目2：总分81-160名（1.5分）---")debug_info.append(f"总分名次范围：81-160名")for _, student in top_81_160_students_scored.iterrows():debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, 总分：{student['总分']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目2人数：{top_81_160_count}, 得分：{score_2}")# 项目3：总分优秀（1分）# 使用动态科目列表计算总分优秀线excellent_threshold = sum([self.subject_thresholds[s]['excellent'] for s in self.SUBJECTS if s in self.subject_thresholds])excellent_mask_base = class_data['总分'] >= excellent_thresholdexcellent_mask_scored = excellent_mask_base & ~counted_studentsexcellent_students_scored = class_data[excellent_mask_scored]excellent_count = len(excellent_students_scored)score_3 = excellent_count * 1counted_students = counted_students | excellent_mask_scoreddebug_info.append("\n--- 项目3：总分优秀（1分）---")debug_info.append(f"总分优秀线：{excellent_threshold}") # 修改名称for _, student in excellent_students_scored.iterrows():debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, 总分：{student['总分']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目3人数：{excellent_count}, 得分：{score_3}")# --- 全面评估 --- excellent_rate = sum(excellent_mask_base) / total_students # 使用基础优秀标记# 使用动态科目列表计算总分合格线pass_threshold = sum([self.subject_thresholds[s]['pass'] for s in self.SUBJECTS if s in self.subject_thresholds])pass_mask_base = class_data['总分'] >= pass_threshold # 使用基础合格标记pass_rate = sum(pass_mask_base) / total_students # 使用基础合格标记avg_score = class_data['总分'].mean()# 使用动态科目列表计算总分低分线low_threshold = sum([self.subject_thresholds[s]['low'] for s in self.SUBJECTS if s in self.subject_thresholds])low_score_mask = class_data['总分'] < low_thresholdnon_low_score_rate = 1 - (sum(low_score_mask) / total_students)low_score_count = sum(low_score_mask)debug_info.append("\n--- 全面评估数据 ---")debug_info.append(f"总分优秀线：{excellent_threshold}") # 修改名称debug_info.append(f"总分合格线：{pass_threshold}") # 修改名称debug_info.append(f"总分低分线：{low_threshold}") # 修改名称debug_info.append(f"优生数：{sum(excellent_mask_base)}") # 使用基础优秀标记debug_info.append(f"优生率：{excellent_rate*100:03.2f}%")debug_info.append(f"合格数：{sum(pass_mask_base)}") # 使用基础合格标记debug_info.append(f"合格率：{pass_rate*100:03.2f}%")debug_info.append(f"平均分：{avg_score:.2f}")debug_info.append(f"低分数：{low_score_count}")debug_info.append(f"非低分人数：{total_students - sum(low_score_mask)}")debug_info.append(f"非低分率：{non_low_score_rate*100:03.2f}%")# 计算相对值（与同层次班级比较）first_level_data = self.scores_df[self.scores_df['层次_数值'] == 1]if len(first_level_data) == 0:max_excellent_rate = 0max_avg_score = 0max_non_low_score_rate = 0else:# 在计算groupby后的指标时，确保分母不为0excellent_rates = [(sum(c['总分'] >= excellent_threshold) / len(c)) if len(c) > 0 else 0for _, c in first_level_data.groupby('评估班级')]max_excellent_rate = self._safe_max(excellent_rates)avg_scores = [c['总分'].mean() if len(c) > 0 else 0 for _, c in first_level_data.groupby('评估班级')]max_avg_score = self._safe_max(avg_scores)non_low_score_rates = [(1 - sum(c['总分'] < low_threshold) / len(c)) if len(c) > 0 else 0for _, c in first_level_data.groupby('评估班级')]max_non_low_score_rate = self._safe_max(non_low_score_rates)# 计算全面评估各项积分excellent_rate_score = (excellent_rate/max_excellent_rate) * 40 if max_excellent_rate > 0 else 0avg_score_score = (avg_score/max_avg_score) * 40 if max_avg_score > 0 else 0non_low_rate_score = (non_low_score_rate/max_non_low_score_rate) * 20 if max_non_low_score_rate > 0 else 0debug_info.append("\n--- 全面评估积分计算 ---")debug_info.append(f"最高优生率：{max_excellent_rate*100:03.2f}%")debug_info.append(f"最高平均分：{max_avg_score:.2f}")debug_info.append(f"最高非低分率：{max_non_low_score_rate*100:03.2f}%")debug_info.append(f"优生率积分：{excellent_rate_score if excellent_rate_score.is_integer() else excellent_rate_score:.2f}")debug_info.append(f"平均分积分：{avg_score_score if avg_score_score.is_integer() else avg_score_score:.2f}")debug_info.append(f"非低分率积分：{non_low_rate_score if non_low_rate_score.is_integer() else non_low_rate_score:.2f}")# 保存详细数据self._save_detailed_data(class_data, class_num, '__HeadTeacher__', '一层次', debug_info)return {'班号': class_num,'班级人数': total_students,'教师姓名': self.class_teacher_map.get(class_num, ''),'层次': '一层次','项目1': top_80_count,'积分1': score_1,'项目2': top_81_160_count,'积分2': score_2,'项目3': excellent_count,'积分3': score_3,'小计1': score_1 + score_2 + score_3,'优生数': sum(excellent_mask_base), # 使用基础优秀标记计数'优生率': excellent_rate,'优生积分': excellent_rate_score,'平均分': avg_score,'平均分积分': avg_score_score,'低分数': low_score_count,'非低分率': non_low_score_rate,'非低分率积分': non_low_rate_score,'小计2': excellent_rate_score + avg_score_score + non_low_rate_score,'总积分': (score_1 + score_2 + score_3) + (excellent_rate_score + avg_score_score + non_low_rate_score),'科目名': self.class_team_label # 使用配置的班团标签}def _evaluate_second_level_class(self, class_data, class_num):"""二层次班级评估"""rules = self.eval_rules['class_team']['level_2'] # 获取规则total_students = len(class_data)debug_info = []# --- 重点评估 --- # 项目1：总分优秀 (得分: focus_points_excellent)points_excellent = rules['focus_points_excellent']excellent_threshold = sum([self.subject_thresholds[s]['excellent'] for s in self.SUBJECTS if s in self.subject_thresholds])excellent_mask = class_data['总分'] >= excellent_thresholdexcellent_students = class_data[excellent_mask]excellent_count = len(excellent_students)score_1 = excellent_count * points_excellentdebug_info.append(f"\n总人数：{total_students}")debug_info.append(f"\n--- 项目1：总分优秀（{points_excellent}分）---")debug_info.append(f"总分优秀线：{excellent_threshold}")for _, student in excellent_students.iterrows():debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, 总分：{student['总分']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目1人数：{excellent_count}, 得分：{score_1}")# 项目2：总分合格 (得分: focus_points_pass)points_pass = rules['focus_points_pass']pass_threshold = sum([self.subject_thresholds[s]['pass'] for s in self.SUBJECTS if s in self.subject_thresholds])pass_mask_base = class_data['总分'] >= pass_thresholdpass_mask_scored = pass_mask_base & ~excellent_mask # 合格且非优秀pass_students_scored = class_data[pass_mask_scored]pass_count = len(pass_students_scored)score_2 = pass_count * points_passdebug_info.append(f"\n--- 项目2：总分合格（{points_pass}分）---")debug_info.append(f"总分合格线：{pass_threshold}")for _, student in pass_students_scored.iterrows():debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, 总分：{student['总分']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目2人数：{pass_count}, 得分：{score_2}")# 小计1 (未加权)subtotal_1 = score_1 + score_2# --- 全面评估 --- excellent_rate = sum(excellent_mask) / total_studentspass_rate = sum(pass_mask_base) / total_studentsavg_score = class_data['总分'].mean()low_threshold = sum([self.subject_thresholds[s]['low'] for s in self.SUBJECTS if s in self.subject_thresholds])low_score_mask = class_data['总分'] < low_thresholdnon_low_score_rate = 1 - (sum(low_score_mask) / total_students)low_score_count = sum(low_score_mask)debug_info.append("\n--- 全面评估数据 ---")debug_info.append(f"总分优秀线：{excellent_threshold}")debug_info.append(f"总分合格线：{pass_threshold}")debug_info.append(f"总分低分线：{low_threshold}")debug_info.append(f"优生数：{sum(excellent_mask)}")debug_info.append(f"优生率：{excellent_rate*100:03.2f}%")debug_info.append(f"合格数：{sum(pass_mask_base)}")debug_info.append(f"合格率：{pass_rate*100:03.2f}%")debug_info.append(f"平均分：{avg_score:.2f}")debug_info.append(f"低分数：{low_score_count}")debug_info.append(f"非低分人数：{total_students - sum(low_score_mask)}")debug_info.append(f"非低分率：{non_low_score_rate*100:03.2f}%")second_level_data = self.scores_df[self.scores_df['层次_数值'] == 2]if len(second_level_data) == 0:max_excellent_rate, max_pass_rate, max_avg_score, max_non_low_score_rate = 0, 0, 0, 0else:excellent_rates = [(sum(c['总分'] >= excellent_threshold)/len(c)) if len(c) > 0 else 0 for _, c in second_level_data.groupby('评估班级')]max_excellent_rate = self._safe_max(excellent_rates)pass_rates = [(sum(c['总分'] >= pass_threshold)/len(c)) if len(c) > 0 else 0 for _, c in second_level_data.groupby('评估班级')]max_pass_rate = self._safe_max(pass_rates)avg_scores = [c['总分'].mean() if len(c) > 0 else 0 for _, c in second_level_data.groupby('评估班级')]max_avg_score = self._safe_max(avg_scores)non_low_rates = [(1 - sum(c['总分'] < low_threshold)/len(c)) if len(c) > 0 else 0 for _, c in second_level_data.groupby('评估班级')]max_non_low_score_rate = self._safe_max(non_low_rates)# 计算全面评估各项积分 (使用配置权重)weight_excellent = rules['comp_weight_excellent']weight_pass = rules['comp_weight_pass']weight_avg = rules['comp_weight_avg']weight_non_low = rules['comp_weight_non_low']excellent_rate_score = (excellent_rate/max_excellent_rate) * weight_excellent if max_excellent_rate > 0 else 0pass_rate_score = (pass_rate/max_pass_rate) * weight_pass if max_pass_rate > 0 else 0avg_score_score = (avg_score/max_avg_score) * weight_avg if max_avg_score > 0 else 0non_low_rate_score = (non_low_score_rate/max_non_low_score_rate) * weight_non_low if max_non_low_score_rate > 0 else 0debug_info.append("\n--- 全面评估积分计算 ---")debug_info.append(f"最高优生率：{max_excellent_rate*100:03.2f}% (权重: {weight_excellent})")debug_info.append(f"最高合格率：{max_pass_rate*100:03.2f}% (权重: {weight_pass})")debug_info.append(f"最高平均分：{max_avg_score:.2f} (权重: {weight_avg})")debug_info.append(f"最高非低分率：{max_non_low_score_rate*100:03.2f}% (权重: {weight_non_low})")debug_info.append(f"优生率积分：{excellent_rate_score if excellent_rate_score.is_integer() else excellent_rate_score:.2f}")debug_info.append(f"合格率积分：{pass_rate_score if pass_rate_score.is_integer() else pass_rate_score:.2f}")debug_info.append(f"平均分积分：{avg_score_score if avg_score_score.is_integer() else avg_score_score:.2f}")debug_info.append(f"非低分率积分：{non_low_rate_score if non_low_rate_score.is_integer() else non_low_rate_score:.2f}")# !! 修正: 小计2直接累加，不乘以权重subtotal_2 = excellent_rate_score + pass_rate_score + avg_score_score + non_low_rate_scoreself._save_detailed_data(class_data, class_num, '__HeadTeacher__', '二层次', debug_info)# !! 修正: 总积分直接累加 小计1 和 小计2total_score_final = subtotal_1 + subtotal_2return {'班号': class_num,'班级人数': total_students,'教师姓名': self.class_teacher_map.get(class_num, ''),'层次': '二层次','项目1': excellent_count,'积分1': score_1,'项目2': pass_count,'积分2': score_2,'小计1': subtotal_1, # 未加权小计1'优生数': sum(excellent_mask),'优生率': excellent_rate,'优生积分': excellent_rate_score, # 未加权'合格数': sum(pass_mask_base), '合格率': pass_rate,'合格率积分': pass_rate_score, # 未加权'平均分': avg_score,'平均分积分': avg_score_score, # 未加权'低分数': low_score_count,'非低分率': non_low_score_rate,'非低分率积分': non_low_rate_score, # 未加权'小计2': subtotal_2, # 未加权小计2'总积分': total_score_final, # 修正后的总积分 (小计1+小计2)'科目名': self.class_team_label }def _evaluate_first_level_teacher(self, class_data, subject, teacher_row):"""一层次教师评估"""total_students = len(class_data)debug_info = []  # 用于存储调试信息debug_info.append(f"\n总人数：{total_students}") # 移到项目1之前# 检查科目是否存在于阈值配置中，如果不存在则跳过评估if subject not in self.subject_thresholds:print(f"警告：科目 '{subject}' 没有定义阈值，跳过教师 {teacher_row['教师姓名']} ({teacher_row['班号']}班) 的评估。")# 可以在这里返回一个空的或表示跳过的字典，或者根据需要处理# 为保持一致性，我们可能需要返回一个包含基本信息的字典，但评估值为0或NaNreturn {'班号': teacher_row['班号'], '班级人数': total_students, '教师姓名': teacher_row['教师姓名'], '层次': '一层次','项目1': 0, '积分1': 0, '项目2': 0, '积分2': 0, '项目3': 0, '积分3': 0, '项目4': 0, '积分4': 0,'小计1': 0, '优生数': 0, '优生率': 0, '优生积分': 0, '平均分': np.nan, '平均分积分': 0,'低分数': 0, '非低分率': 0, '非低分率积分': 0, '小计2': 0, '总积分': 0, '科目名': subject}# 创建一个标记数组，用于记录已计分的学生counted_students = pd.Series(False, index=class_data.index)# --- 重点评估 --- # 项目1：单科1-80名且总分进入1-80名（2分）subject_top_80_mask = class_data[f'{subject}_全校名次'] <= 80total_top_80_mask = class_data['总分_全校名次'] <= 80project1_mask_scored = subject_top_80_mask & total_top_80_maskproject1_students_scored = class_data[project1_mask_scored]top_80_count = len(project1_students_scored) # 统计得分人数score_1 = top_80_count * 2counted_students = counted_students | project1_mask_scored # 更新计分标记# --- 移除 DEBUG ---# print(f"  DEBUG (一层次教师): T={teacher_row['教师姓名']}, C={teacher_row['班号']}, S={subject} - P1(单科<=80&总分<=80): Count={top_80_count}, Score={score_1}")# ------------------debug_info.append("\n--- 项目1：单科1-80名且总分进入1-80名（2分）---")for _, student in project1_students_scored.iterrows(): # 只记录得分学生debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, {subject}：{student[subject]}, {subject}名次：{student[f'{subject}_全校名次']}, 总分：{student['总分']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目1人数：{top_80_count}, 得分：{score_1}")# 项目2：单科81-160名且总分进入81-160名（1.5分）subject_81_160_mask = (class_data[f'{subject}_全校名次'] > 80) & (class_data[f'{subject}_全校名次'] <= 160)total_81_160_mask = (class_data['总分_全校名次'] > 80) & (class_data['总分_全校名次'] <= 160)project2_mask_scored = subject_81_160_mask & total_81_160_mask & ~counted_studentsproject2_students_scored = class_data[project2_mask_scored]top_160_count = len(project2_students_scored)score_2 = top_160_count * 1.5counted_students = counted_students | project2_mask_scored# --- 移除 DEBUG ---# print(f"  DEBUG (一层次教师): T={teacher_row['教师姓名']}, C={teacher_row['班号']}, S={subject} - P2(单科81-160&总分81-160): Count={top_160_count}, Score={score_2}")# ------------------debug_info.append("\n--- 项目2：单科81-160名且总分进入81-160名（1.5分）---")debug_info.append(f"{subject}名次范围：81-160名")debug_info.append(f"总分名次范围：81-160名")for _, student in project2_students_scored.iterrows(): # 只记录得分学生debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, {subject}：{student[subject]}, {subject}名次：{student[f'{subject}_全校名次']}, 总分：{student['总分']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目2人数：{top_160_count}, 得分：{score_2}")# 项目3：单科优秀且总分优秀（1分）subject_excellent_mask_base = class_data[subject] >= self.subject_thresholds[subject]['excellent']# 使用动态科目列表计算总分优秀线total_excellent_threshold = sum([self.subject_thresholds[s]['excellent'] for s in self.SUBJECTS if s in self.subject_thresholds])total_excellent_mask = class_data['总分'] >= total_excellent_thresholdproject3_mask_scored = subject_excellent_mask_base & total_excellent_mask & ~counted_studentsproject3_students_scored = class_data[project3_mask_scored]excellent_count = len(project3_students_scored)score_3 = excellent_count * 1counted_students = counted_students | project3_mask_scored# --- 移除 DEBUG ---# print(f"  DEBUG (一层次教师): T={teacher_row['教师姓名']}, C={teacher_row['班号']}, S={subject} - P3(单科优&总分优): Count={excellent_count}, Score={score_3}")# ------------------debug_info.append("\n--- 项目3：单科优秀且总分优秀（1分）---")debug_info.append(f"{subject}优秀线：{self.subject_thresholds[subject]['excellent']}")debug_info.append(f"总分优秀线：{total_excellent_threshold}")for _, student in project3_students_scored.iterrows(): # 只记录得分学生debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, {subject}：{student[subject]}, 总分：{student['总分']}, {subject}名次：{student[f'{subject}_全校名次']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目3人数：{excellent_count}, 得分：{score_3}")# 项目4：单科优秀且总分合格（0.5分）# 使用动态科目列表计算总分合格线total_pass_threshold = sum([self.subject_thresholds[s]['pass'] for s in self.SUBJECTS if s in self.subject_thresholds])total_pass_mask = class_data['总分'] >= total_pass_thresholdproject4_mask_scored = subject_excellent_mask_base & total_pass_mask & ~counted_studentsproject4_students_scored = class_data[project4_mask_scored]excellent_pass_count = len(project4_students_scored)score_4 = excellent_pass_count * 0.5counted_students = counted_students | project4_mask_scored# --- 移除 DEBUG ---# print(f"  DEBUG (一层次教师): T={teacher_row['教师姓名']}, C={teacher_row['班号']}, S={subject} - P4(单科优&总分合格): Count={excellent_pass_count}, Score={score_4}")# ------------------debug_info.append("\n--- 项目4：单科优秀且总分合格（0.5分）---")debug_info.append(f"{subject}优秀线：{self.subject_thresholds[subject]['excellent']}")debug_info.append(f"总分合格线：{total_pass_threshold}")for _, student in project4_students_scored.iterrows(): # 只记录得分学生debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, {subject}：{student[subject]}, 总分：{student['总分']}, {subject}名次：{student[f'{subject}_全校名次']}, 总分名次：{student['总分_全校名次']}")debug_info.append(f"项目4人数：{excellent_pass_count}, 得分：{score_4}")# 修正：小计1 = 以上四项得分之和 (不加权)subtotal_1 = score_1 + score_2 + score_3 + score_4# --- 全面评估 --- subject_excellent_rate = sum(subject_excellent_mask_base) / total_students # 使用基础优秀标记subject_avg_score = class_data[subject].mean()subject_low_mask = class_data[subject] < self.subject_thresholds[subject]['low']subject_non_low_rate = 1 - (sum(subject_low_mask) / total_students)subject_low_count = sum(subject_low_mask)debug_info.append("\n--- 全面评估数据 ---")debug_info.append(f"{subject}优秀线：{self.subject_thresholds[subject]['excellent']}")debug_info.append(f"{subject}合格线：{self.subject_thresholds[subject]['pass']}")debug_info.append(f"{subject}低分线：{self.subject_thresholds[subject]['low']}")debug_info.append(f"优生数：{sum(subject_excellent_mask_base)}") # 使用基础优秀标记计数debug_info.append(f"优生率：{subject_excellent_rate*100:03.2f}%")debug_info.append(f"平均分：{subject_avg_score:.2f}")debug_info.append(f"低分数：{subject_low_count}")debug_info.append(f"非低分人数：{total_students - sum(subject_low_mask)}")debug_info.append(f"非低分率：{subject_non_low_rate*100:03.2f}%")# 计算相对值（与同层次班级比较）first_level_data = self.scores_df[self.scores_df['层次_数值'] == 1]if len(first_level_data) == 0:max_excellent_rate = 0max_avg_score = 0max_non_low_rate = 0else:excellent_rates = [(sum(c[subject] >= self.subject_thresholds[subject]['excellent'])/len(c)) if len(c) > 0 else 0for _, c in first_level_data.groupby('评估班级')]max_excellent_rate = self._safe_max(excellent_rates)avg_scores = [c[subject].mean() if len(c) > 0 else 0 for _, c in first_level_data.groupby('评估班级')]max_avg_score = self._safe_max(avg_scores)non_low_rates = [(1 - sum(c[subject] < self.subject_thresholds[subject]['low'])/len(c)) if len(c) > 0 else 0for _, c in first_level_data.groupby('评估班级')]max_non_low_rate = self._safe_max(non_low_rates)# 计算全面评估各项积分excellent_rate_score = (subject_excellent_rate/max_excellent_rate) * 40 if max_excellent_rate > 0 else 0avg_score_score = (subject_avg_score/max_avg_score) * 40 if max_avg_score > 0 else 0non_low_rate_score = (subject_non_low_rate/max_non_low_rate) * 20 if max_non_low_rate > 0 else 0debug_info.append("\n--- 全面评估积分计算 ---")debug_info.append(f"最高优生率：{max_excellent_rate*100:03.2f}%")debug_info.append(f"最高平均分：{max_avg_score:.2f}")debug_info.append(f"最高非低分率：{max_non_low_rate*100:03.2f}%")debug_info.append(f"优生率积分：{excellent_rate_score if excellent_rate_score.is_integer() else excellent_rate_score:.2f}")debug_info.append(f"平均分积分：{avg_score_score if avg_score_score.is_integer() else avg_score_score:.2f}")debug_info.append(f"非低分率积分：{non_low_rate_score if non_low_rate_score.is_integer() else non_low_rate_score:.2f}")# 修正：小计2 = 以上三项得分之和 (不加权)subtotal_2 = excellent_rate_score + avg_score_score + non_low_rate_score# 保存详细数据self._save_detailed_data(class_data, teacher_row['班号'], subject, '一层次', debug_info)# 修正：总分 = (小计1 * 0.3) + (小计2 * 0.7)total_score_final = (subtotal_1 * 0.3) + (subtotal_2 * 0.7)return {'班号': teacher_row['班号'],'班级人数': total_students,'教师姓名': teacher_row['教师姓名'],'层次': '一层次','项目1': top_80_count,'积分1': score_1,'项目2': top_160_count,'积分2': score_2,'项目3': excellent_count,'积分3': score_3,'项目4': excellent_pass_count,'积分4': score_4,'小计1': subtotal_1, # 返回未加权的小计1'优生数': sum(subject_excellent_mask_base), '优生率': subject_excellent_rate,'优生积分': excellent_rate_score,'平均分': subject_avg_score,'平均分积分': avg_score_score,'低分数': subject_low_count,'非低分率': subject_non_low_rate,'非低分率积分': non_low_rate_score,'小计2': subtotal_2, # 返回未加权的小计2'总积分': total_score_final, # 返回最终加权总分'科目名': subject}def _evaluate_second_level_teacher(self, class_data, subject, teacher_row):"""二层次教师评估"""total_students = len(class_data)debug_info = []  # 用于存储调试信息debug_info.append(f"\n总人数：{total_students}") # 移到项目1之前# 检查科目是否存在于阈值配置中if subject not in self.subject_thresholds:print(f"警告：科目 '{subject}' 没有定义阈值，跳过教师 {teacher_row['教师姓名']} ({teacher_row['班号']}班) 的评估。")return {'班号': teacher_row['班号'], '班级人数': total_students, '教师姓名': teacher_row['教师姓名'], '层次': '二层次','项目1': 0, '积分1': 0, '项目2': 0, '积分2': 0, '小计1': 0,'优生数': 0, '优生率': 0, '优生积分': 0, '合格数': 0, '合格率': 0, '合格率积分': 0,'平均分': np.nan, '平均分积分': 0, '低分数': 0, '非低分率': 0, '非低分率积分': 0,'小计2': 0, '总积分': 0, '科目名': subject}# --- 重点评估 --- # 项目1：单科优秀且总分合格subject_excellent_mask_base = class_data[subject] >= self.subject_thresholds[subject]['excellent']# 使用动态科目列表计算总分合格线total_pass_threshold = sum([self.subject_thresholds[s]['pass'] for s in self.SUBJECTS if s in self.subject_thresholds])total_pass_mask = class_data['总分'] >= total_pass_thresholdproject1_mask_scored = subject_excellent_mask_base & total_pass_maskproject1_students_scored = class_data[project1_mask_scored]excellent_pass_count = len(project1_students_scored) # 统计得分人数score_1 = excellent_pass_count * 2# --- 移除 DEBUG ---# if teacher_row['班号'] == 10 and subject == '历史':#     print(f"  DEBUG (二层次教师): T={teacher_row['教师姓名']}, C={teacher_row['班号']}, S={subject} - P1(单科优&总分合格): Count={excellent_pass_count}, Score={score_1}")# # ---------------------------debug_info.append("\n--- 项目1：单科优秀且总分合格（2分）---")debug_info.append(f"{subject}优秀线：{self.subject_thresholds[subject]['excellent']}")debug_info.append(f"总分合格线：{total_pass_threshold}")for _, student in project1_students_scored.iterrows(): # 只记录得分学生debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, {subject}：{student[subject]}, 总分：{student['总分']}")debug_info.append(f"项目1人数：{excellent_pass_count}, 得分：{score_1}")# 项目2：单科合格且总分合格subject_pass_mask_base = class_data[subject] >= self.subject_thresholds[subject]['pass']# 计算实际得分的学生 (合格且非优秀)project2_mask_scored = subject_pass_mask_base & total_pass_mask & ~subject_excellent_mask_base project2_students_scored = class_data[project2_mask_scored]pass_count = len(project2_students_scored) # 统计得分人数score_2 = pass_count * 1.5# --- 移除 DEBUG ---# if teacher_row['班号'] == 10 and subject == '历史':#     print(f"  DEBUG (二层次教师): T={teacher_row['教师姓名']}, C={teacher_row['班号']}, S={subject} - P2(单科合格&总分合格): Count={pass_count}, Score={score_2}")# # ---------------------------debug_info.append("\n--- 项目2：单科合格且总分合格（1.5分）---")debug_info.append(f"{subject}合格线：{self.subject_thresholds[subject]['pass']}")debug_info.append(f"总分合格线：{total_pass_threshold}")for _, student in project2_students_scored.iterrows(): # 只记录得分学生debug_info.append(f"准考证：{student['准考证']}, 姓名：{student['姓名']}, {subject}：{student[subject]}, 总分：{student['总分']}")debug_info.append(f"项目2人数：{pass_count}, 得分：{score_2}")# 修正：计算未加权的小计1unweighted_subtotal_1 = score_1 + score_2# --- 全面评估 --- subject_excellent_rate = sum(subject_excellent_mask_base) / total_students # 使用基础优秀标记subject_pass_rate = sum(subject_pass_mask_base) / total_students # 使用基础合格标记subject_avg_score = class_data[subject].mean()subject_low_mask = class_data[subject] < self.subject_thresholds[subject]['low']subject_non_low_rate = 1 - (sum(subject_low_mask) / total_students)subject_low_count = sum(subject_low_mask)debug_info.append("\n--- 全面评估数据 ---")debug_info.append(f"{subject}优秀线：{self.subject_thresholds[subject]['excellent']}")debug_info.append(f"{subject}合格线：{self.subject_thresholds[subject]['pass']}")debug_info.append(f"{subject}低分线：{self.subject_thresholds[subject]['low']}")debug_info.append(f"优生数：{sum(subject_excellent_mask_base)}") # 使用基础优秀标记计数debug_info.append(f"优生率：{subject_excellent_rate*100:03.2f}%")debug_info.append(f"合格数：{sum(subject_pass_mask_base)}") # 使用基础合格标记计数debug_info.append(f"合格率：{subject_pass_rate*100:03.2f}%")debug_info.append(f"平均分：{subject_avg_score:.2f}")debug_info.append(f"低分数：{subject_low_count}")debug_info.append(f"非低分人数：{total_students - sum(subject_low_mask)}")debug_info.append(f"非低分率：{subject_non_low_rate*100:03.2f}%")# 计算相对值（与同层次班级比较）second_level_data = self.scores_df[self.scores_df['层次_数值'] == 2]if len(second_level_data) == 0:max_excellent_rate = 0max_pass_rate = 0max_avg_score = 0max_non_low_rate = 0else:excellent_rates = [(sum(c[subject] >= self.subject_thresholds[subject]['excellent'])/len(c)) if len(c) > 0 else 0for _, c in second_level_data.groupby('评估班级')]max_excellent_rate = self._safe_max(excellent_rates)pass_rates = [(sum(c[subject] >= self.subject_thresholds[subject]['pass'])/len(c)) if len(c) > 0 else 0for _, c in second_level_data.groupby('评估班级')]max_pass_rate = self._safe_max(pass_rates)avg_scores = [c[subject].mean() if len(c) > 0 else 0 for _, c in second_level_data.groupby('评估班级')]max_avg_score = self._safe_max(avg_scores)non_low_rates = [(1 - sum(c[subject] < self.subject_thresholds[subject]['low'])/len(c)) if len(c) > 0 else 0for _, c in second_level_data.groupby('评估班级')]max_non_low_rate = self._safe_max(non_low_rates)# 计算全面评估各项积分excellent_rate_score = (subject_excellent_rate/max_excellent_rate) * 5 if max_excellent_rate > 0 else 0pass_rate_score = (subject_pass_rate/max_pass_rate) * 30 if max_pass_rate > 0 else 0avg_score_score = (subject_avg_score/max_avg_score) * 30 if max_avg_score > 0 else 0non_low_rate_score = (subject_non_low_rate/max_non_low_rate) * 35 if max_non_low_rate > 0 else 0debug_info.append("\n--- 全面评估积分计算 ---")debug_info.append(f"最高优生率：{max_excellent_rate*100:03.2f}%")debug_info.append(f"最高合格率：{max_pass_rate*100:03.2f}%")debug_info.append(f"最高平均分：{max_avg_score:.2f}")debug_info.append(f"最高非低分率：{max_non_low_rate*100:03.2f}%")debug_info.append(f"优生率积分：{excellent_rate_score if excellent_rate_score.is_integer() else excellent_rate_score:.2f}")debug_info.append(f"合格率积分：{pass_rate_score if pass_rate_score.is_integer() else pass_rate_score:.2f}")debug_info.append(f"平均分积分：{avg_score_score if avg_score_score.is_integer() else avg_score_score:.2f}")debug_info.append(f"非低分率积分：{non_low_rate_score if non_low_rate_score.is_integer() else non_low_rate_score:.2f}")# 修正：计算未加权的小计2unweighted_subtotal_2 = excellent_rate_score + pass_rate_score + avg_score_score + non_low_rate_score# 保存详细数据self._save_detailed_data(class_data, teacher_row['班号'], subject, '二层次', debug_info)# 修正：总分 = (未加权小计1 * 0.2) + (未加权小计2 * 0.8)total_score_final = (unweighted_subtotal_1 * 0.2) + (unweighted_subtotal_2 * 0.8)# --- 移除临时调试打印 --- # if teacher_row['班号'] == 10 and subject == '历史':#       # 打印未加权的小计和最终总分#       print(f"DEBUG (二层次教师): 10班 历史 - 返回前的值: 未加权小计1={unweighted_subtotal_1}, 未加权小计2={unweighted_subtotal_2}, 总积分={total_score_final}") # # --- 结束临时调试 --- return {'班号': teacher_row['班号'],'班级人数': total_students,'教师姓名': teacher_row['教师姓名'],'层次': '二层次','项目1': excellent_pass_count,'积分1': score_1,'项目2': pass_count,'积分2': score_2,'小计1': unweighted_subtotal_1, # 返回未加权的小计1'优生数': sum(subject_excellent_mask_base), # 使用基础优秀标记计数'优生率': subject_excellent_rate,'优生积分': excellent_rate_score,'合格数': sum(subject_pass_mask_base), # 使用基础合格标记计数'合格率': subject_pass_rate,'合格率积分': pass_rate_score,'平均分': subject_avg_score,'平均分积分': avg_score_score,'低分数': subject_low_count,'非低分率': subject_non_low_rate,'非低分率积分': non_low_rate_score,'小计2': unweighted_subtotal_2, # 返回未加权的小计2'总积分': total_score_final, # 最终加权总分'科目名': subject}def evaluate_class_team(self):"""班团评估"""results = []for class_num in sorted(self.scores_df['评估班级'].unique()):class_data = self.scores_df[self.scores_df['评估班级'] == class_num].copy()if class_data.empty:continuelevel = class_data['层次_数值'].iloc[0]if level == 1:# 调用班级评估函数，它内部会使用配置的标签返回结果result = self._evaluate_first_level_class(class_data, class_num)else:result = self._evaluate_second_level_class(class_data, class_num)results.append(result)return pd.DataFrame(results)def evaluate_teachers(self):"""教师评估"""results = []# 过滤掉班主任记录 (使用内部标记)，只评估学科教师subject_teachers = self.teachers_df[self.teachers_df['学科'] != '__HeadTeacher__']for _, teacher_row in subject_teachers.iterrows():subject = teacher_row['学科']class_num = teacher_row['班号']teacher_class_data = self.scores_df[self.scores_df['评估班级'] == class_num].copy()if teacher_class_data.empty:print(f"警告：班级 {class_num} 在成绩表中没有数据，跳过教师 {teacher_row['教师姓名']} ({subject}) 的评估。")continuelevel = teacher_class_data['层次_数值'].iloc[0]if subject not in teacher_class_data.columns:print(f"警告：科目 '{subject}' 不在班级 {class_num} 的成绩数据中，跳过教师 {teacher_row['教师姓名']} 的评估。")continue# 检查科目阈值是否存在 (教师评估函数内部已有此检查)# if subject not in self.subject_thresholds: ...if level == 1:result = self._evaluate_first_level_teacher(teacher_class_data, subject, teacher_row)else:result = self._evaluate_second_level_teacher(teacher_class_data, subject, teacher_row)if result: results.append(result)return pd.DataFrame(results)def save_results(self, exam_name):"""保存评估结果"""output_path = Nonetry:# 清空详细数据目录下的 .txt 文件if os.path.exists(self.detailed_data_dir):print(f"清空目录：{self.detailed_data_dir}")for filename in os.listdir(self.detailed_data_dir):if filename.endswith(".txt"):file_path = os.path.join(self.detailed_data_dir, filename)try:os.remove(file_path)print(f"  已删除: {filename}")except Exception as e:print(f"无法删除文件 {file_path}: {e}")else:# 如果目录不存在，则创建它print(f"创建目录：{self.detailed_data_dir}")os.makedirs(self.detailed_data_dir)# --- 计算评估 --- print("正在进行班团评估...")class_results = self.evaluate_class_team()print("正在进行教师评估...")teacher_results = self.evaluate_teachers()# ------------------# 检查是否有评估结果if class_results.empty and teacher_results.empty:print("警告：没有生成任何评估结果。请检查输入文件和配置。")return None # 如果都没有结果，则不继续执行保存elif class_results.empty:print("警告：班团评估未生成结果。")elif teacher_results.empty:print("警告：教师评估未生成结果。")# --- 合并和处理结果 --- # 移除错误的总积分重新计算# if not class_results.empty:#     class_results['总积分'] = class_results.apply(lambda row: row.get('小计1', 0) + row.get('小计2', 0), axis=1)# if not teacher_results.empty:#     teacher_results['总积分'] = teacher_results.apply(lambda row: row.get('小计1', 0) + row.get('小计2', 0), axis=1)# 合并结果 (处理可能为空的DataFrame)results_list = []if not class_results.empty:results_list.append(class_results)if not teacher_results.empty:results_list.append(teacher_results)if not results_list:print("错误：无法合并结果，因为两个评估结果都为空。")return Noneresults = pd.concat(results_list, ignore_index=True)# 添加名次列 (基于 '总积分' 列)if '总积分' in results.columns:results['名次'] = results.groupby(['科目名', '层次'])['总积分'].rank(method='min', ascending=False).astype(int)else:results['名次'] = np.nan # 如果没有总积分，名次无意义# 创建科目名的排序顺序 (使用配置的班团标签和科目列表)# 注意：这里使用 self.class_team_labelsubject_order = [self.class_team_label] + sorted(list(self.SUBJECTS))present_subjects = results['科目名'].unique()final_subject_order = [s for s in subject_order if s in present_subjects]for s in present_subjects:if s not in final_subject_order:final_subject_order.append(s)results['科目名排序'] = pd.Categorical(results['科目名'], categories=final_subject_order, ordered=True)# --- 格式化 --- def format_number(x):if pd.isna(x):return xif isinstance(x, (int, float)):# 检查是否非常接近整数if np.isclose(x, round(x)):return int(round(x))# 修改：保留一位小数return round(x, 1) return xdef format_percentage(x):if pd.isna(x):return xif isinstance(x, (int, float)):# 确保百分比格式为048.39%return f"{x*100:03.2f}%"return x # 如果不是数字，直接返回# 应用格式化format_cols = results.select_dtypes(include=[np.number]).columnspercent_cols = ['优生率', '合格率', '非低分率']for col in format_cols:if col in percent_cols:results[col] = results[col].apply(format_percentage)elif col not in ['班号', '班级人数', '名次']: # 这些通常是整数results[col] = results[col].apply(format_number)# ----------------# --- 排序 --- # 按要求排序：科目名、层次、班号 (逻辑保持不变)sort_columns = ['科目名排序', '层次']if '班号' in results.columns: sort_columns.append('班号')results = results.sort_values(by=sort_columns, ascending=[True] * len(sort_columns))results = results.drop('科目名排序', axis=1)# -------------# --- 重新排列列顺序 (使用 '总积分' 替换 '总分') --- expected_columns_order = ['班号', '班级人数', '名次', '教师姓名','总积分', # 使用正确的 '总积分' 列'项目1', '积分1', '项目2', '积分2', '项目3', '积分3', '项目4', '积分4', '小计1', # 未加权'优生数', '优生率', '优生积分','合格数', '合格率', '合格率积分','平均分', '平均分积分','低分数', '非低分率', '非低分率积分', '小计2', # 未加权'科目名', '层次']# 获取实际存在的列，并按期望顺序排列available_columns = [col for col in expected_columns_order if col in results.columns]results = results[available_columns]# ---------------------# --- 新增：文件复制、命名、写入标题和数据 ---# 检查合并后的 results 是否为空if results.empty:print("警告：评估结果为空，无法生成输出文件。")return None# 1. 生成时间戳和输出文件名timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")output_filename = f"{exam_name}_{timestamp}.xlsx"# 将输出文件路径设置在详细数据目录内output_path = os.path.join(self.detailed_data_dir, output_filename)# 2. 复制模板文件 (保持不变)print(f"复制 {self.grade} 年级模板文件 '{self.template_file}' 到 '{output_path}'")shutil.copy(self.template_file, output_path)# 3. 使用 openpyxl 将结果 DataFrame 数据写入复制的模板（从第4行开始，保留模板原有内容）print(f"将评估结果数据写入文件 '{output_path}' (从第4行开始，保留模板表头)...")workbook = load_workbook(output_path)sheet = workbook.active# 新增：在第一行A1单元格写入考试名称print(f"在 A1 单元格写入考试名称: {exam_name}")sheet['A1'] = exam_name + " 评估结果"# 定义数据写入的起始行 (Excel行号，1-based)start_excel_row = 4 # 将格式化后的 DataFrame 数据转换为适合 openpyxl 写入的列表# 注意：此时 results DataFrame 中的数据已经是格式化过的字符串或数字data_to_write = results.values.tolist()# 逐行逐单元格写入数据for r_idx, row_data in enumerate(data_to_write):# 计算当前要写入的 Excel 行号current_excel_row = start_excel_row + r_idxfor c_idx, value in enumerate(row_data):# 计算当前要写入的 Excel 列号 (1-based)current_excel_col = c_idx + 1# 直接写入值 (因为之前已经格式化过)sheet.cell(row=current_excel_row, column=current_excel_col, value=value)# 保存对工作簿的修改workbook.save(output_path)# --------------------------------------------------print(f"评估结果已成功写入复制的模板： {output_path}")return output_path # 返回成功生成的文件路径except FileNotFoundError as e: # 特别处理文件复制时的错误print(f"文件操作错误：{str(e)}")print(f"请确保 {self.grade} 年级的模板文件 '{self.template_file}' (来自配置) 存在。")return None # 返回 None 表示失败except KeyError as e:print(f"保存结果时出现配置或列名错误：'{e}'。可能是科目名排序或列重排时出错。")print(f"请检查配置文件 ({CONFIG_FILE}) 和评估结果 DataFrame 的列名。")return Noneexcept Exception as e:print(f"保存结果到复制模板时出错：{str(e)}")import tracebacktraceback.print_exc()# 可以在这里决定是否需要回退到旧的保存方式，或者直接返回失败# print(f"尝试保存到默认位置...") # 移除旧的回退逻辑return None # 返回 None 表示失败def main():global CONFIG # 声明要修改全局 CONFIG 变量try:# --- 程序启动时首先加载配置 --- load_config()# -----------------------------# 获取配置文件中支持的年级列表 (并确保是字符串)supported_grades = [str(k) for k in CONFIG['grades'].keys()]# 获取用户输入的年级while True:try:grade_input = input(f"请输入要评估的年级 ({', '.join(supported_grades)})：")# 不需要转换成 int，因为配置查找使用字符串 <- 旧注释，现在需要转换if grade_input in supported_grades:grade = int(grade_input) # 转换回整数breakelse:print(f"错误：不支持的年级 '{grade_input}'。请输入 {', '.join(supported_grades)} 中的一个。")except ValueError: # 添加对 int 转换失败的处理print(f"错误：输入的 '{grade_input}' 不是有效的数字年级。")except Exception as e: print(f"输入年级时发生错误: {e}")# 获取考试名称 (保持不变)exam_name = input("请输入本次考试的名称：")if not exam_name: # 注意：grade 现在是整数，如果需要拼接，需要转回字符串exam_name = f"{str(grade)}年级评估" print(f"未输入考试名称，将使用默认名称：'{exam_name}'")print(f"开始 {grade} 年级 '{exam_name}' 评估程序...")# 使用整数年级初始化evaluator = ScoreEvaluator(grade)print("正在准备数据...")evaluator.prepare_data()print("正在保存评估结果...")output_file_path = evaluator.save_results(exam_name)# 结果处理和输出 (保持不变)if output_file_path:print("-" * 30)print(f"{grade} 年级 '{exam_name}' 评估完成！")print(f"评估结果已保存到文件： {output_file_path}") print(f"详细数据日志已保存到目录： {evaluator.detailed_data_dir}")print("-" * 30)else:print("-" * 30)print(f"{grade} 年级 '{exam_name}' 评估过程中发生错误，未能成功生成结果文件。")print("请检查上面的错误信息。")print("-" * 30)except (FileNotFoundError, ValueError, yaml.YAMLError, RuntimeError, ImportError) as e:# 捕获配置文件加载、数据准备、库缺失等特定错误print(f"程序运行失败：{str(e)}")# 可以在这里添加更详细的指引，例如检查配置文件路径、内容、Excel文件等print("程序终止")except Exception as e:print(f"发生未知错误：{str(e)}")import tracebacktraceback.print_exc()print("程序终止")if __name__ == '__main__':main()