本文详解 python 中使用 csv 模块处理学生成绩数据时常见的累积错误，并提供结构清晰、健壮可靠的解决方案，重点解决因变量作用域不当导致的平均值计算失真问题。
本文详解 python 中使用 csv 模块处理学生成绩数据时常见的累积错误，并提供结构清晰、健壮可靠的解决方案，重点解决因变量作用域不当导致的平均值计算失真问题。
在使用 Python 的 csv 模块逐行读取学生成绩文件（如 "students.csv"）并计算每人平均分时，一个极易被忽视却影响结果准确性的典型错误是：将存储成绩的列表（如 grades）定义在循环外部。这会导致前一行的成绩未被清空，持续累积到后续行的计算中，最终所有平均值均基于全部历史数据而非单个学生，造成严重逻辑偏差。
以下是一个修复后的完整实现，兼顾可读性、健壮性与 Python 最佳实践：
import csv
from statistics import mean
def calculate_averages(input_file_name, output_file_name):
results = []
with open(input_file_name, newline='') as infile:
reader = csv.reader(infile)
for row in reader:
if not row: # 跳过空行，增强鲁棒性
continue
name = row[0].strip() # 去除姓名首尾空格
try:
# 使用列表推导式安全转换成绩为浮点数
grades = [float(value.strip()) for value in row[1:] if value.strip()]
if not grades:
raise ValueError(f"无有效成绩数据: {row}")
avg_score = mean(grades)
# 格式化为保留一位小数的字符串，提升输出可读性
results.append([name, f"{avg_score:.1f}"])
except (ValueError, TypeError) as e:
raise ValueError(f"解析失败（姓名: '{name}'）: {e}") from e
# 统一写入输出文件，避免嵌套 with 语句
with open(output_file_name, 'w', newline='') as outfile:
writer = csv.writer(outfile)
writer.writerows(results)关键改进说明：
- ✅ 作用域修正：grades 现定义于 for row in reader: 循环内部，确保每次迭代都创建全新列表，彻底杜绝跨行数据污染；
- ✅ 类型安全转换：使用 float() 替代 int()，兼容小数成绩（如 89.5），并通过 strip() 处理可能的空白字符；
- ✅ 异常处理升级：保留必要错误捕获，但抛出带上下文信息的 ValueError，便于调试定位问题行，而非静默退出；
- ✅ 空行与空字段防护：显式跳过空行，并过滤掉空字符串成绩项，避免 float('') 报错；
- ✅ 输出精简高效：直接使用 writer.writerows(results) 批量写入，替代多次 writerow；取消 OrderedDict（无重复姓名前提下纯属冗余）；
- ✅ 格式统一规范：f"{avg_score:.1f}" 确保所有平均分以一致的小数位数呈现，符合教育场景常见要求。
使用示例：
假设输入文件 input.csv 内容如下：
Alice,85,92,78 Bob,90,88,94,87 Charlie,76,82
调用 calculate_averages("input.csv", "output.csv") 后，output.csv 将生成：
Alice,85.0 Bob,89.8 Charlie,79.0
请务必注意：CSV 解析本质是文本处理，任何依赖“行内结构固定”的逻辑都应辅以数据校验。生产环境中建议进一步结合 pandas 或添加 Schema 验证，但对轻量级脚本，上述方案已兼顾简洁性与可靠性。
