简介：本资源为一篇运动会分数统计实验报告，属于数据结构与软件设计课程实践内容，面向计算机及相关专业学生，用于练习线性表、结构体、函数封装与错误处理等核心编程知识点。包内包含1个docx文件，压缩包约91KB，正文依次介绍实验目的、要求、数据定义、函数设计、运行测试及调试分析，并附有完整C++源代码，可直接参考或改写。报告详细讲解了运动员信息与学院团体总分的统计流程，涵盖初始化、输入、算分、输出四大模块，并对性别校验、指针使用等易错点作了说明。目前已有391人学习下载，适合正在完成类似课程设计或需要链表与输入输出综合应用的读者。通过阅读可快速理清整体框架，了解如何组织数据结构、设计健壮性检查及生成报表，也能为后续独立实现或功能扩展提供参考。

1. 运动会分数统计实验报告：不是算分题，是一道建模题

第一次带学生做运动会分数统计实验报告时，大多数人以为这只是一道“算总分、排名次”的算术题。真正动手才发现，评分规则比想象碎：100米按秒数越小越好，跳远按米数越大越好，团体项目按积分相加，破纪录还要额外加分。一个运动会四五十个参赛单位、十几二十个项目，数据一多，Excel sheet 切来切去就开始串行，报表一张张复制粘贴，漏一个单位的名次就得从头核对。作为数据结构课的经典实验，它考察的不是你记不记得冒泡排序，而是能不能把“排名规则”翻译成程序里不会翻车的稳定决策逻辑。

这份实验报告在计算机教育的语境下，通常被归入“顺序表/数组应用”的课程设计，本质是一个小型成绩管理系统：录入赛事成绩，按项目分组，计算各单位总分，最后按总分降序输出，并附带各单项的获奖名单。它能练到的点很实在——二维表怎么组织、排序时并列怎么处理、按项目查最高分用什么策略、分数统计和报表导出的边界怎么兜住。我一般会建议把目标定在“结果可复核”上：你生成的排名表，交给任何一个懂Excel的体育老师人工核对，必须能一一对上；这一步做到了，这份报告的架构和代码就都不会跑偏。

这篇文章按我实际做这个题目的流程来拆：先从评分规则和数据结构设计入手，再给一套可直接复用的Python框架，然后处理排序和并列这类高频细节，最后把Excel导出、边界输入这类坑一次说清。适合正在写课程设计、准备答辩、或者想把这个题目改造成课设项目的读者，新手能照步骤跑通，熟手可以直接拿走里面的并列排序和报表框架。

2. 先把规则钉死：一份能落地的评分规则，决定后面程序不用返工

做这个实验最怕的不是写代码，而是规则没定死就开始写代码。分数统计的每一步都依赖“规则输入”，而规则往往散落在实验指导书的不同段落里。我的习惯是：动键盘之前，先花半小时把规则拆成一张“可测试的规则表”，然后让代码只对着表工作。

2.1 规格文件的判断维度：名次积分、并列处理、奖励分这三种规则都要单独建表

常见的运动会分数统计题目来自两类规格文件：一类是课程设计任务书，另一类是网络上的“运动会分数统计实验报告”Word 模板。无论哪类，评分规则通常包含三个独立层次：

第一层是单项名次积分表。例如取前八名，按名次分别计 9、7、6、5、4、3、2、1 分。这张表的核心决定项是“取前几名”和“各名次的分值”，两者都必须做成数组常量，不要散落在 if 语句里。

第二层是并列处理规则。这一层最容易埋雷，常见写法有三种：同分者按所获名次分数的平均分计，同分者各得该名次区间的最高分，或者同分者全部占用下一个名次位。比如男子100米两个并列第二，有的规则是7分照发，有的规则是两人各得(7+6)/2=6.5分且第三名空缺，对总分的影响完全不一样。务必要在报告开篇就用一段文字或一张表写明你采用的是哪种规则。

第三层是奖励分和名次淘汰规则。破纪录加5分、团体项目双倍计分、无故弃权取消评奖资格，这些附加规则一旦存在，就必须在程序里留出独立的规则接口，而不是在主循环里临时加 if。我习惯把规则部分全部收口到一个 RULES 字典里，之后所有模块都只引用这个字典——评分时查它、导出报表时显示它、答辩被问时也可以逐条指给人看。

2.2 数据结构选型：二维表加行索引，比每个项目单独命名变量靠谱得多

数据结构这一步，很多初学者走极端：图省事就开一个 Excel 文件当黑匣子，图直观就给每个项目建一个列表。这两种做法都容易翻车。前者是程序逻辑和文档绑定太紧，后者是二十个项目就要写二十个几乎相同的分支，代码冗长且极易抄错变量名。

推荐的做法是单一二维表加两个索引表。主表用 Python 的嵌套列表或 pandas DataFrame，行对应参赛单位，列对应一个个项目成绩，表头固定。另建两个辅助索引：一个从项目名映射到列下标，一个从单位名映射到行下标。这样无论是按项目查成绩、按单位算总分，还是按总分排名，核心操作都收敛成“通过索引取数”，代码结构天然就是课程报告里最想要的“主函数 + 子模块”划分。

用 pandas 的理由也很简单：它在处理“表头 + 行索引”这种结构时自带语义，sort_values 能直接处理排名，to_excel 能一键导出；即使实验要求用纯 C 语言完成，这个设计思路也一样成立——C 版本里用结构体数组加联合索引即可，逻辑并不会因为语言变化而不同。选什么语言不重要，重要的是你构建的数据模型能让所有后续操作都只是“读这张表”。

2.3 最小可跑代码：一个能读入成绩并算出总分的四步框架

这里给出一套用 pandas 实现的最小框架，目标不是炫技，而是让整个实验跑通一个最小的闭环：读入数据、计算单项名次分、聚合总分、输出排名。后续的并列处理、Excel 导出都在这个骨架上扩张。

import pandas as pd # 第1步：准备规则常量 RULES = { "score_rank": [9, 7, 6, 5, 4, 3, 2, 1], # 前8名的积分 "take_top_n": 8, # 录取前8名 "extra_rank_bonus": {"100m": 2, "long_jump": 3}, # 破纪录等奖励分支的预留口 "group_items": ["relay_4x100", "group_jump"] # 团体项目按双倍分计算 } # 第2步：读入成绩表 # 数据文件 sports_scores.csv 必须包含 col_units, col_items, col_scores 三列 # 也可以从Excel读：pd.read_excel("sports_scores.xlsx", sheet_name="raw") df = pd.read_csv("sports_scores.csv", encoding="utf-8-sig") # 参赛单位唯一列表 units = df["col_units"].unique() # 第3步：按项目计算名次分 def score_one_event(event_df, take_top_n): # 此处先按“数值越大越好”的假设排序 # 如果该项目是小项成绩，数值越小越好，把 ascending 改成 True 即可 ranked = event_df.sort_values("col_scores", ascending=False, inplace=False) # 给成绩分配名次，m。method="min" 表示并列者占用同一名次且后续跳过 ranked["rank"] = ranked["col_scores"].rank(method="min", ascending=False) # 只录取前 take_top_n 名，并映射积分 ranked = ranked[ranked["rank"] <= take_top_n].copy() ranked["event_score"] = ranked["rank"].astype(int).map( lambda r: RULES["score_rank"][r - 1]) return ranked # 第4步：聚合总分并排序 score_parts = [] for event_name, event_df in df.groupby("col_items"): scored = score_one_event(event_df, RULES["take_top_n"]) score_parts.append(scored) result_df = pd.concat(score_parts, ignore_index=True) total_df = result_df.groupby("col_units", as_index=False)["event_score"].sum() total_df = total_df.sort_values("event_score", ascending=False).reset_index(drop=True) total_df["final_rank"] = total_df["event_score"].rank( method="min", ascending=False).astype(int) print(total_df)

这段代码的逻辑分四步，每一步对应报告里的一节。第一步把规则集中到 RULES 里，后面无论怎么扩展都不破坏主结构；第二步负责从外部文件读原始成绩，好处是数据和代码分离，换一届运动会只要换数据文件，程序不用改；第三步按项目单独排名并赋分，注意里面 rank(method="min") 已经实现了“并列同名次、后续跳过”的比赛常规逻辑；第四步把每个参赛单位的积分汇总再排序，生成最终排名表。

参数说明里主要调三处：成绩是“越小越好”的项目，把 sort_values 的 ascending 改成 True，并把 rank 方法里 ascending 也改成 True；录取名次数不同时，改 take_top_n；积分规则特殊时，改 score_rank 列表。这三处就是整个程序的“规则旋钮”，答辩时被问到“改规则怎么办”，直接演示这三个常量的变化即可。

2.4 先跑通再扩展：最小框架能验证的全部设计决策

这套最小框架跑通之后，实验报告的核心章节就有了骨架：数据结构说明可以直接对着二维表结构和两个索引讲；模块划分可以直接画成“数据读入 —— 评分 —— 聚合 —— 输出”四段；测试部分可以提交一份“用最小程序算出的总分表”。

更重要的是，它让你在动手写复杂逻辑之前，先确认三件事：成绩文件格式是否是统一的；每个项目的单位名称写法是否严格一致（比如“高一(3)班”和“高一3班”就是两个单位）；项目名称是否出现别名（“100m”和“100米”要统一成一套）。这三件事如果前期不统一，后面所有排序和报表输出的结果都会有“看起来差不多、对账时对不上”的问题，到答辩前才发现是最难受的。

3. 排序与并列名次：最容易丢分的环节，也是最值得写进报告的亮点

分数统计实验报告里，排序代码谁都会写，但把并列名次和最终奖励名单做正确的人不多。这一章的细节，恰恰是评分系统实验报告里最出彩、也是答辩考官最常追问的部分。

3.1 排名算法三件套：排序、映射、并列处理，拆开做比合在一起写更安全

先把需求拆清楚：一个完整的排名功能需要输出三项信息——每个参赛单位的总分排名、每个单项的前八名及对应名次、每个单项的获奖名单。三者对数据的操作相似，但输出目标不同，混在一个函数里会导致“改一处、坏三处”。

推荐拆成三个函数：rank_total_scores 负责最终总分排名；rank_single_event 负责单项成绩排序；award_list 负责根据名次生成获奖名单。每个函数只做一件事，并且都输出 DataFrame。这样报告里可以分小节各讲一段，代码可读性和可维护性都强很多。

def rank_total_scores(total_df: pd.DataFrame) -> pd.DataFrame: """给总分表添加最终名次，并列采用min规则。""" df = total_df.sort_values("event_score", ascending=False, inplace=False) df["final_rank"] = df["event_score"].rank(method="min", ascending=False).astype(int) return df.reset_index(drop=True) def award_list(event_df: pd.DataFrame, award_depth: int = 3) -> pd.DataFrame: """生成前三名获奖名单。""" df = rank_single_event(event_df) # 并列的处理：如果第三名并列，两个人都算获奖，所以要筛选 <= depth 而不是取 head df = df[df["rank"] <= award_depth].copy() df["award"] = "第" + df["rank"].astype(str) + "名" return df[["col_units", "col_scores", "rank", "award"]]

这段代码的意义在于把“排名”和“获奖”解耦。排名使用 rank(method="min") 后，并列者拥有同一名次且后续跳过——实际运动会里就是“两个并列第二，没有第三名”的语义。而筛选获奖名单时按“并列后名次小于等于深度”来取，自动把并列到第三边界的情况也兜进去了，不需要额外写 if。

这时候能看出一个关键设计：并列处理不是排序之后“补一个判断”，而是从始至终贯穿在 rank 的 method 选择里。很多翻车的代码都是先按数值排好序，再在循环里判断前后两项是否相等，这种做法遇到多个并列时逻辑会越写越绕。用 pandas 的 rank 方法直接从语义层面解决问题，报告里也更容易讲清“数据集 —— 语义 —— 输出”的映射关系。

3.2 并列规则的三个变体：最高分法、平均分法、顺延法，数据库选型时就该定下来

不同题目对并列的计分口径不一致，这里把三种常见规则放在一起对比：

平均分法不太适合直接用 rank 方法一步到位，我一般会在 rank 后加一段修正：先用 min 规则算出名次区间，再针对区间内并列行做积分平均。因为平均分法要求“两个并列第二各得6.5分”，本质是把区间内所有人的积分拉平。

三个变体要在报告里明确写出选择了哪一个，并说明理由。理由的常见写法是“以竞赛规程为准”——比如规程写明“名次并列时按所获名次分均计”，就选平均分法。这种交代不是形式主义，它直接影响后面导出的获奖名单是否能和主办方公布名次一致。

3.3 总分并列怎么办：最终排名的并列也要用规则，不能“差不多就行”

总分并列是实验报告里最容易敷衍过去的地方。总分相同的甲乙两个单位，最终排名怎么排？三种常见口径：完全并列，都发同一名次；按破纪录次数或奖牌数打破并列；按参赛单位首字母或编号顺延。由于运动会规程一般不会明确这一点，实验报告里应自行声明口径。

我的默认做法是总分并列就保持并列，不人为打破。这样最符合“考试成绩名次并列”的统计惯例，且实现成本最低；如果题目明确要求打破并列，再用“奖牌优先”作为第一关键字，这时排序字段从一维变成多维。

3.4 从排序到报告输出的抄作业模板：一个能应付常规答辩的代码骨架

上述逻辑合成一套完整模块，大概长这样：

import pandas as pd raw_df = pd.read_csv("sports_scores.csv", encoding="utf-8-sig") unit_names = sorted(raw_df["col_units"].unique()) event_names = list(raw_df["col_items"].unique()) total_scores = {unit: 0 for unit in unit_names} for event in event_names: event_df = raw_df[raw_df["col_items"] == event].copy() event_df["score_rank"] = event_df["col_scores"].rank( method="min", ascending=False).astype(int) event_df = event_df[event_df["score_rank"] <= 8] event_df["score"] = event_df["score_rank"].map( lambda r: [9, 7, 6, 5, 4, 3, 2, 1][r - 1]) for unit, pts in zip(event_df["col_units"], event_df["score"]): total_scores[unit] = total_scores.get(unit, 0) + pts final_df = pd.DataFrame( list(total_scores.items()), columns=["col_units", "total_score"]) final_df["rank"] = final_df["total_score"].rank( method="min", ascending=False).astype(int) final_df = final_df.sort_values( ["rank", "col_units"], ascending=[True, True]).reset_index(drop=True)

这段相当于把前面拆开的函数合并成直接可运行的脚本，适合时间紧、只求快速出结果的场景。注意 sort_values 的第二关键字 col_units 是“打破完全无序状态”用的，并非打破总分并列，它只保证最终报表在并列时的输出顺序稳定。参数说明就一句：想让并列保持原样，就不要加第二关键字；想让并列按单位名排，就保留。

4. 单元测试与技术文档：报告写的不是代码，是“可证明的结果”

一篇能让人信服的实验报告，不是贴完整段源码就完事，而是必须给出“凭什么说你程序是对”的证据。单元测试和测试数据设计，是报告里区分新手和老手的试金石。

4.1 构造一份等价位全的小型测试数据：覆盖正常、并列、弃权、无效输入四类情况

测试数据的质量决定报告的可信度。不认真的做法是从造好的大成绩表里抽几行，认真的做法是先设计四组边界样本，再拿小样本手算一遍，把预期结果写死在测试代码里。

设计四组用例。正常组：一个单位在某项目拿第一，总分能算对；并列组：两个单位同分并列某一录取名次，验证积分和名次都正确；弃权组：某个单位在某项目成绩为空或标记DNS，验证程序对缺失值的处理；无效组：单位名出现前后空格或全角字符差异，验证数据清洗逻辑。

import pandas as pd from pandas.testing import assert_frame_equal mock_df = pd.DataFrame({ "col_units": ["A班", "B班", "A班", "C班"], "col_items": ["100m", "100m", "long_jump", "100m"], "col_scores": [10.5, 10.5, 5.8, 11.2] }) # 期望：100米两人并列第一，各拿9分；long_jump第一，9分。 # 所以总分为A班18分、B班9分、C班0分 expected = pd.DataFrame({ "col_units": ["A班", "B班", "C班"], "total_score": [18, 9, 0] }) expected["rank"] = [1, 2, 3] result = compute_total_scores(mock_df) # 复用上一章的封装函数 assert_frame_equal(result.reset_index(drop=True), expected.reset_index(drop=True)) print("通过：并列第一得9分且总分聚合正确")

注意这个测试的巧妙之处：100米两个并列第一，每个都该拿9分；long_jump 也是9分。A班两项都参加，总分18；B班9；C班虽然参加了100米但成绩11.2秒不在前八，总分0。测试同时覆盖了并列积分、同名次、不参赛单位记0三种语义，一个用例顶三个。

4.2 测试不是只跑一次：把测试代码留档、注释、写进报告附录

很多学生写完整段主程序，测试代码随手一删，这是一个可惜的习惯。测试代码本身是报告的一部分，能直接证明你的程序在特定输入下产生了符合预期的输出，比任何图表都说明问题。

我一般会建议把测试代码作为报告的“程序测试”小节主体列出，前面写测试目的，后面写三条测试输出。具体格式可以是：“构造包含3个项目、4个参赛单位的小样本数据；人工核算结果见表X；程序运行结果与人工核算一致”，然后在后面贴出 assert 通过时的运行截图。这一页纸，往往是答辩专家判断你“有没有真做”的最直接依据。

4.3 报告结构速写法：实验目的、算法分析、数据模型、测试与运行结果、总结五件套

常见的实验报告正文结构，我建议按五个模块执笔：

实验目的与规格：直接写明本实验来自哪道题、评分规则原文照录、你选用的并列规则。算法分析：画一张流程图或直接文字描述主流程，重点是“如何从原始成绩表得到单位总分”。数据模型：用表格写出主表、索引表、常量规则表的字段设计与示例值。测试与运行：放上一节的测试用例与输出截图，给出原始数据文件名和格式。运行截图与附录：放主界面的最终排名表、获奖名单表，源码附在最后。

这一套结构几乎适配所有版本的“运动会分数统计实验报告”要求，无论任务书写得是“用 C 语言实现”还是“用 Python 实现”，报告骨架都不用变。差别只在算法分析里要不要提指针或内存管理，那按语言补两段即可。

5. 从实验报告到可展示的报表：Excel 导出、运行截图、美学排版成套方案

实验报告最终是要给人评审的，代码跑通只是第一步，输出结果怎么导出、怎么贴、怎么让读者一眼看懂，都是同一份工作量。很多项目代码写得很好，栽在“运行截图丑”和“Excel 报表排版乱”上。

5.1 运行效果截图的两条固定格式：主程序运行结果截图和人工核算对照表

运行结果截图别只截一个最终排名表，那只能证明你的输出“有内容”，不能证明内容正确。正确的截图组合是三张：一张原始成绩文件截图；一张程序运行后控制台输出截图；一张人工核算表的照片或表格截图。三张图并排，读者可以自己核对“程序输出是否等于人工核算”。

这里有个长期的玄学问题：为什么很多图片在 Word 里一粘贴就糊？不是截图分辨率问题，是插入时被 Word 默认压缩到 96 DPI。解决方法是插入后右键设置为“不压缩文件中的图像”，或者直接把运行结果保存成 CSV 再导成小表格插图。单纯截屏再缩放是造成报告模糊的最常见原因。

5.2 用 pandas 导出 Excel 并处理单元格格式的完整代码

要是实验要求把最终结果输出成 Excel 报表，直接 to_excel 固然能出文件，但格式会非常“原始”。我一般会用 ExcelWriter 配合工作表设置，把表头加粗、列宽调整好，这样导出的表格可直接打印，省得再人工排版。

import pandas as pd # 假设 final_df 是上一轮计算得到的最终排名表 with pd.ExcelWriter("final_scores.xlsx", engine="openpyxl") as writer: final_df.to_excel(writer, sheet_name="总分排名", index=False) award_df.to_excel(writer, sheet_name="获奖名单", index=False) # 为“总分排名”工作表做基本格式化 ws = writer.sheets["总分排名"] for col_idx, width in enumerate([12, 15, 10, 12], start=1): ws.column_dimensions[chr(64 + col_idx)].width = width for cell in ws[1]: cell.font = cell.font.copy(bold=True) cell.alignment = cell.alignment.copy(horizontal="center")

代码逻辑约两层：第一层通过多个 sheet 分隔总分排名和获奖名单，这样一份 Excel 文件汇齐所有交付物；第二层通过 openpyxl 直接调整列宽和表头格式。参数说明：列宽列表的第几个数字对应第几列，新增列时同步扩展列表；如果导出文件被 WPS 打开后字体显示异常，把 cell.font.copy 换成手动指定 Font(name="宋体", bold=True) 即可。

5.3 报告配图的像素与排版底线：清晰、完整、不过度压缩

给报告配截图时给自己定三条底线：每张图的宽至少800像素；图内文字完整可辨；图片直接嵌入正文，不要做超链接。800像素是为了 Word 插图后仍能保证可读性，超链接在纸质打印时直接失效。

另一个容易浪费时间的地方是给截图套“高深”的样式。运行截图不需要花哨背景，不要加阴影水印和花边框，黑白打印友好即可。截图里如果是深色终端主题，建议切回浅色再截，这是血泪经验换来的：很多学生用深色代码编辑器截图，打印出来一片灰黑，评委老师完全看不清。

6. 避坑指南：运动会分数统计实验报告里最常见的五个翻车点

这个实验的坑非常集中，基本都在“输入数据格式”和“并列规则模糊”两处。下面是高频翻车现场，每条按现象、原因、解决列出来，写报告前先对照一遍。

现象一：总分算出来，但和 Excel 里手工核对总对不上，差几分不知道差在哪。原因是成绩表中存在“同一单位同一项目重复报名”或“同一单位名称大小写/空格不一致”，groupby 把它们当成两个单位。解决：读入原始数据后立即做单位名规范化，strip 掉首尾空格并把全角转半角，再检查 unique 列表是否和真实单位清单一致。

现象二：同一项目出现两个并列第一，程序只给先出现的人记了第一名的分，另一个记了第二名。原因是用排序后逐行 index 当名次，而不是用 rank 方法。解决：所有名次计算统一改用 rank(method="min")，并明确在报告中写出“并列者名次相同且后继跳过”的语义。

现象三：某个项目的第一名成绩是61.2秒，比第二名58.9秒“更好”，却被程序排到第八。原因是把所有项目都按“数值越大越好”排序，没判断这个项目是秒表项目。解决：在 RULES 里为每个项目配一个 direction 字段标记正序或倒序，按项目读取方向再排序。

现象四：一个单位缺席所有项目，总分为0，最终排名和“未参赛”的单位混在一起，报表无法识别。原因是用同一个排序把所有0分单位排到了末尾。解决：在最终报表里增设“参赛项目数”字段，0项目数单位在排名表中标注“未参赛”，不参与排名，或按题目要求在排名表中单独列在最后。

现象五：导出 Excel 后打开发现中文乱码。原因是 pandas 默认导出时 openpyxl 支持 utf-8，但直接从控制台复制输出再粘贴到文本文件时序错了。解决：如果能控制台输出重定向到文件，用sys.stdout.reconfigure(encoding="utf-8")，或者干脆所有报表一律走 to_excel，不在控制台输出中文。

这些都是写实验报告时最实际的兜底问题。提前把数据规范化和排名规则两件事想清楚，这份实验报告的基本盘就稳了，剩下的是排版和表述。

7. 最后一步：把这段经历沉淀成你的“规则驱动报表框架”

做完这个实验之后，最重要的一步不是写总结，而是把你写的代码回收成一个通用的小函数库：输入一个“评分规则字典”和一张“原始成绩表”，输出一张“最终排名表”和一张“获奖名单表”。这样单位换成学院、项目换成课程、名次换成等级，改掉 RULES 就能复用。

我自己的习惯是把这个项目的规则字典单独保存成一个 JSON 文件，而不是写在代码里。下次换场景时，改配置不改代码，整套逻辑直接平移。运动会和学科竞赛、班级量化评分、寝室卫生评比都是同一套排序聚合逻辑，区别只在规则表，这个视角会让一份课程设计的价值翻倍。

验证这个方法是否可靠有个笨而有效的标准：拿上一届运动会的真实成绩手工核算一遍，程序跑出的总分表能逐行对上，再给人看；对不上，就回头检查规范化或并列规则——这个步骤可以从头到尾除一次错，既练了调试又加深了对数据流的理解。

希望这套拆法和避坑清单能帮你在写这份实验报告时少花一个晚上的无效排错。

本文还有配套的精品资源，点击获取