用Python脚本统计比赛最高分：从Pandas清洗到多轮扩展

2024-9-15那天，我在整理一场内部友谊赛的得分记录时发现，要从几十行杂乱的成绩数据里人工找出“最高分”，远比想象中麻烦——不是看一眼就能完事，而是要反复核对选手名称、场次编号和得分列，稍不留神就看串行，甚至把某个选手的登记分当成了最终成绩。也是那天我决定花点时间，把这个“统计比赛得分最大”的小需求做成一个可复用脚本。这篇博文就记录这个项目的完整过程：从需求定义、方案选型、代码实现到边界情况处理，再到后续多轮赛制的扩展改造。不管你是刚开始学Python、还是经常要手工处理成绩统计的赛事组织者，这篇内容都能给你一套可以照抄的解决方案。

1. 为什么“找最大得分”这件事，值得单独写一个脚本

1.1 数十行成绩记录里的人工查找，远没有想象中可靠

我们很多时候觉得“最高分不就是MAX函数一拉嘛”，但实际场景里的数据往往不是一张干净整齐的表格。我在2024-9-15处理的这份记录，来自一次持续多半天的交流赛，数据分散在几个不同的汇总表里：每张表有比赛轮次、选手编号、选手姓名、各裁判打分、最终得分。当时要回答一个问题——“今天所有场次里，谁的单场得分最高？”

如果用眼睛去看，你得先把十几张表格合并到一张，再确认“最终得分”这一列没有漏填、没有把“8.5”写成“8,5”，然后才能谈得上比较大小。

而一旦表格超过几十行，人工查找就会出现两个问题：一是容易漏看，扫过一列数字时对中间的峰值不敏感；二是容易看错行，特别是在多列数字结构一致的情况下，视线很容易从得分列滑到旁边的小分列。

这时写一个脚本的价值就体现出来了——它不光是帮你“求一个最大值”，更重要的是把整个统计流程固化成代码，从“读数据、清洗数据、计算、输出”每一步都可复现，下次再收集到新成绩时，只要数据格式不变，跑一遍脚本就能得到结果。

1.2 “最大得分”的定义，直接决定了代码怎么写

动手写代码之前，我第一件做的事情是确认“最大”到底指什么。虽然听起来有点小题大做，但不同赛制下“最大得分”这个指标差别很大：

• 如果是单轮比赛，直接对得分列求最大值，拿到该轮得分最高的人。
• 如果是多轮比赛，“最高分”可能指每位选手在多轮中的个人最高分，也可能指所有选手、所有轮次里的绝对最高分。
• 还有一种常见口径：先求每位选手的总分，再在总分里找最大值。

这个定义不确认好，后面写的代码很可能在高高兴兴跑完脚本后，发现结果根本不是业务方要的那个数。

我当时的项目明确是“统计比赛得分最大”，结合来源数据，选手在每轮只有一个最终得分，所以核心口径就是：在给定数据范围内，找得分列的最大值，并同时输出该得分对应的选手和场次信息。确认这一点之后，再做方案选型就顺了。

2. 三种统计方案的取舍：Excel函数、SQL脚本、Pandas脚本

2.1 三个常用方案的优劣势对比

下表是我在实际考虑时整理的对比，直接列出来供参考。

对于Excel，优点是“所见即所得”，但有几个场景直接劝退：当我需要把多张CSV合并后再统计，Excel需要手工复制粘贴；当得分列被识别为文本时，MAX函数直接返回0或者无效结果，排查起来又得去检查单元格格式。对于SQL，如果数据已经在数据库中，一条“SELECT MAX(score)”就结束了，可问题是我们手上的初始数据就是几个Excel文件，为了这个临时需求去建表导入，反而绕远了。

2.2 我为什么最终选了Pandas

Pandas的优势不只是“会统计”，而是把前面最痛苦的“脏数据规整”这个环节也收纳进来了。它可以直接读取CSV、Excel，可以把“8,5”这种带逗号的文本修正为浮点数，可以用dropna过滤空值，也可以按照轮次和选手分组聚合。后面一旦要扩展统计口径，比如多轮赛制下的最高分、每轮前三名、某个选手的最好成绩，基本上都是在原脚本上增加几行代码。

从另一个角度说，Python脚本运行一次后，可以用“文件+日期”的方式保存脚本和数据，比如项目标题里的“2024-9-15”，就是当天专门建的项目记录目录名。这样以后有人问“这个最高分是从哪些数据算出来的时候”，我可以直接把原始文件和运行脚本都拿给他，保证统计结果可追溯。这比基于Excel手工操作的结果要严谨得多。

如果你只是需要一次快速查询，那完全可以停留在Excel，不必为了一个最大值去装Python环境。但如果你的需求是“以后每次比赛结束都想复用同一个脚本”，那我建议直接用Pandas，把一次性处理升级成一个小工具。

3. 核心脚本实现：读取成绩表、清洗字段、输出最高得分

3.1 第一步：约定输入格式并读取数据

在写任何代码之前，我先把源数据整理成了统一的格式。因为原始比赛记录有几个散表，我合并成了一张完整的CSV文件，列结构如下：

之所以额外保留raw_score，是为了在统计最高分时还能追溯“这个最终得分是怎么来的”。final_score才是我们真正要参与最大值计算的字段。

读取数据用Pandas就两行：

import pandas as pd df = pd.read_csv("scores_20240915.csv", encoding="utf-8") print(df.head())

这里有一个细节：读取CSV时如果直接显示乱码，多半是文件编码不是UTF-8，而是GBK等常见中文编码。我当时第一次读取后就踩了这个坑，后来改用参数动态处理：

def load_scores(path): try: df = pd.read_csv(path, encoding="utf-8") except UnicodeDecodeError: df = pd.read_csv(path, encoding="gbk") return df

先把编码问题解决掉，后面所有字段的规整才有讨论意义。

3.2 第二步：预处理得分列，解决类型和空值问题

读取完成后，不要急着求max。我先检查了final_score列的实际类型：

print(df["final_score"].dtype)

如果dtype是object，说明这一列在CSV里是文本格式，直接求max会得到按字典序排序的结果，这是新手最容易掉进的坑。比如“9.5”和“10”在文本比较时，会被判断为“9.5”更大，因为字符串比较按字符逐个比，“9”确实比“1”大，但作为数值显然10比9.5更高。

所以要把这一列强制转成数值类型：

df["final_score"] = pd.to_numeric(df["final_score"], errors="coerce")

带上errors="coerce"的意思是：遇到无法转换的内容时，不直接报错中断，而是把那个位置填成NaN，这样后续还能知道哪些行数据有问题，再做针对性处理。处理完以后，查看空值行：

bad_rows = df[df["final_score"].isna()] print(bad_rows)

这一步的产出价值是很大的——我在整理数据时确实发现两行得分填写成了“8,75”（英文逗号），转成numeric后变NaN。如果你的目标是统计最大得分，这类数据不处理的话，要么直接报错，要么被静默跳过，结果可信度都打折扣。

3.3 第三步：用正确的方式求最大值并定位所在行

Pandas里求最大值有两种用法，很多人会混淆。第一种是直接用max()，拿到最高分这个数字本身：

max_score = df["final_score"].max() print(max_score)

第二种更常用，因为我们不仅仅要一个数字，还要知道“谁得了这个最高分”。这时要改用idxmax()，它会返回最高分所在行的行标签：

idx = df["final_score"].idxmax() best_row = df.loc[idx] print(best_row)

为什么选idxmax而不是先排序再取第一行？因为sort_values会生成一个完整的新副本，数据量小的时候无所谓，但假设有几千上万条成绩记录，idxmax只需线性扫描一遍找到最大值的位置，效率更高，代码语义也更直接。

拿到best_row之后，我格式化成方便人读的文本：

output = ( f"最高得分：{best_row['final_score']}\n" f"对应选手：{best_row['player_name']}（编号{best_row['player_id']}）\n" f"轮次：{best_row['round_no']}" ) print(output)

核心统计逻辑到这一步其实已经完成了，运行一次可以得到类似：

最高得分：9.80 对应选手：某选手E（编号P012） 轮次：R4

这种输出适合直接粘贴到汇报文档里，一眼就能看到关键信息。

3.4 完整脚本怎么看：从数据源头到结果的映射关系

把前面几步连起来，就是一个最小可用的版本：

import pandas as pd def load_scores(path): ... def preprocess(df): df["final_score"] = pd.to_numeric(df["final_score"], errors="coerce") return df def find_max_score(df): cleaned = preprocess(df) idx = cleaned["final_score"].idxmax() return cleaned.loc[idx] if __name__ == "__main__": df = load_scores("scores_20240915.csv") best = find_max_score(df) print(best)

整个脚本的映射关系很清晰：源数据CSV -> DataFrame -> 清洗后的得分列 -> idxmax定位 -> 完整结果行。即使你之后要改统计口径，要改的也只是一处函数，而不是在Excel里重新拖一遍公式。

4. 实际跑数据时反复遇见的边界情况

真实的数据永远比示例数据难看，以下四类边界情况是我在2024-9-15这个项目里反复处理过的，不处理好它们，“统计最大得分”的结果就会被质疑。

4.1 得分列是文本数字，max()直接给出错误结果

前面提到过，文本型数字在max()时按字典序比较。这个问题的隐蔽性在于：如果得分都在8分到9分之间，没有超过10的分数，文本比较还真能碰巧得出正确结果；一旦出现10分、10.5这种两位数的数值，结果立刻出错。最稳妥的防御性做法是读取后先统一执行pd.to_numeric，而不是等到发现结果不对再回头检查。

我在清洗过程中还遇到另一个衍生的麻烦：某个单元格的得分带有不可见字符，比如“8.5 ”后面跟了一个空格，或者全角数字“８.５”。pd.to_numeric对空格其实能自动处理，但全角数字会转换失败。这时候需要先做一次字符替换：

df["final_score"] = ( df["final_score"] .astype(str) .str.replace("，", ",") .str.extract(r"(\d+\.?\d*)", expand=False) ) df["final_score"] = pd.to_numeric(df["final_score"], errors="coerce")

这段代码先用正则从混乱文本中提取第一个合理的数字表达式，再转换为数值。适用于那种“某人手工填表，把逗号、中文逗号混着用”的典型情况。

4.2 空值和0分的区别，不能默认等同

在比赛场次中，选手可能因为缺席而没有成绩，也可能正常参赛但得分为0。这两种情况在统计最高分时都需要区别对待：缺席的空值参与max()会被Pandas默认跳过，不干扰结果；但0分是有效成绩，必须保留参与比较。

问题在于，很多人在Excel阶段就会把0分和空缺混在同一个单元格，比如用“-”或者“”表示没参赛。在Pandas里读取时，“-”会被整列转成object类型。所以我在预处理时明确做了两步：先把“-”、“NA”、“空文本”统一替换成NaN，表示无成绩；再把剩下的数值部分转为数值类型。

missing_markers = ["-", "NA", "N/A", ""] df.replace(missing_markers, pd.NA, inplace=True) df["final_score"] = pd.to_numeric(df["final_score"], errors="coerce")

这样的好处是后续统计的时候可以自由选择口径：如果想要“参赛范围内的最高分”，直接max()；如果要把缺席视为“该选手此轮得0分”，先fillna(0)再max()。两种口径，一行代码切换。

4.3 并列最高分时，只输出一个结果是信息丢失

idxmax()遇到多个并列最大值时，只会返回第一个出现的位置。从业务角度看，这可能不是一个Bug，但确实存在信息丢失。比如一轮比赛中有两位选手同时拿到9.8分，谁才是“最高分获得者”？如果没有并列处理，你可能只看到其中一位的名字。

所以我在项目里专门加了一个并列检查逻辑：

max_score = df["final_score"].max() tied = df[df["final_score"] == max_score] if len(tied) > 1: print(f"并列最高分 {max_score} 共{len(tied)}位选手：") for _, row in tied.iterrows(): print(f" - {row['player_name']}（{row['player_id']}，轮次{row['round_no']}）") else: row = tied.iloc[0] print(f"最高得分：{row['final_score']}，对应选手：{row['player_name']}")

这个检查的价值在于：它把一个隐性问题显式化。比赛主办方拿到统计结果时，最怕的就是漏掉并列人员。脚本主动检测并列并分别列出来，后面就不会出现“谁最高”的争议。

4.4 多张分表合并时的脏数据累积

初始数据并非一张表，而是按轮次分开的多个文件。如果每个文件都有不同的字段顺序或列名写法（比如有的叫“选手姓名”，有的叫“姓名”），直接concat会产生多个重复列。我当时的做法是先统一列名映射，再合并：

column_map = {"选手姓名": "player_name", "姓名": "player_name", "选手编号": "player_id"} for col, target in column_map.items(): if col in df.columns: df.rename(columns={col: target}, inplace=True)

合并完先检查总行数，再检查是否有缺失的姓名字段。这一步在统计前多做五分钟，后面调用统计脚本时就能少很多莫名其妙的问题。

5. 从“单次统计”升级到“多轮赛制”的扩展改造

5.1 按选手分组，统计各人的历史最高分

第一版脚本跑通之后，我开始想：如果这个比赛要连续进行多轮，那“统计比赛得分最大”的需求就不会只问一次，而是会衍生出更多问题。最常见的是“每位选手在多轮比赛中的个人最高分是多少”。

实现上用groupby就可以：

personal_best = ( df.groupby("player_id", as_index=False) .agg(max_score=("final_score", "max"), best_round=("round_no", "max")) ) print(personal_best.sort_values("max_score", ascending=False))

这里用max去聚合round_no其实有个隐含假设：如果某选手在同一轮次只存在一条记录，那么取到的轮次和最大分来自同一行。如果原始数据中存在同一轮同一选手多条记录，这个写法就可能把最高分和轮次错配。更严谨的做法是先按轮次求本轮最大分，再按选手求跨轮最大值：

round_best = ( df.groupby(["player_id", "round_no"])["final_score"] .max() .reset_index() ) personal_best = ( round_best.sort_values("final_score", ascending=False) .drop_duplicates(subset=["player_id"]) .sort_values("final_score", ascending=False) )

这才是经得起追问的统计链路。

5.2 按指定轮次筛选，输出该轮的最高分及对应选手

另一种频繁出现的统计口径是：“只看某一轮，这一轮谁最高”。这个场景适合把轮次参数化，免得每轮都改代码：

def max_of_round(df, target_round): sub = df[df["round_no"] == target_round].copy() idx = sub["final_score"].idxmax() row = sub.loc[idx] print(f"轮次{target_round}最高分：{row['final_score']}")

这样以后每一轮结束，把新的得分表追加到总表后，循环处理所有轮次即可：

for r in df["round_no"].unique(): max_of_round(df, r)

5.3 用自动化校验让统计结果可追溯

脚本写多了之后，我给自己加了一条规则：所有统计输出必须能被验证。最简单的校验方法是用两种互相独立的方式求最大值，然后对比结果是否一致。一种方式是max()，另一种方式是sort_values后取第一条：

max_method1 = df["final_score"].max() max_method2 = df["final_score"].sort_values(ascending=False).iloc[0] assert max_method1 == max_method2

以及用计数校验，检查输出结果对应的选手行数在源数据里确实存在：

assert len(df[df["player_id"] == best_id]) >= 1

这些assert本质上不是为了防Pandas出错，而是防“数据被意外改动”导致统计结果和业务对不上。赛后有人质疑分数时，我能直接说：这个结果是从原始数据哪个字段算出来的、经过了几道清洗，每一步都有代码记录。

把脚本和CSV文件放在同一天建好的目录里，目录名就带当天日期，比如2024-9-15。这个习惯帮你省掉了“这结果到底是哪一版数据算出来的”这类重复沟通，时间久了会发现特别值得坚持。

回看这个项目，核心逻辑其实很简单——读取数据、洗数据、求最大值、输出结果——但真正让脚本有价值的，是那些提前想清楚的统计口径、边界情况的处理办法，以及可追溯的检查机制。2024-9-15之后，这个小脚本我又在后续几场比赛中反复跑了很多次，每次只需要把新的CSV文件放进去，改一下路径就能用。如果你也经常和比赛得分表打交道，建议按这个思路把它升级成自己顺手的小工具，省下的时间足够你再去做更多有意义的事情。