一分三率计算与跨班汇总：平均分、及格率、优秀率、低分率口径统一

期末成绩一录完，教研组群里最常出现的一幕就是：同一份成绩单，三位老师交上来的“一分三率”统计表数字对不上。有人平均分 78.4，有人 78.9；有人及格率 86%，有人 84.5%。差的不是计算能力，是口径。一分三率这套指标本身不难，难的是把“谁算进分母”“60 分算不算及格”“缺考记不记 0 分”这几件事在动手之前就定死。这篇就把这套计算从头到尾拆一遍：四个指标各自的公式怎么来、边界值怎么处理、表格软件里怎么写公式能一次跑完一个年级、换满分科目和跨班汇总时哪里会翻车。带班老师、年级组长、教务岗，以及要给自家孩子班级做统计的家长，都能直接照着用。

1. 口径先对齐：一分三率里的“一分”和“三率”各指什么

1.1 平均分独成一档，三个率构成一张分布画像

“一分三率”这个词在不同地区的学校里含义略有出入，但主流写法是固定的：一分指平均分，三率指及格率、优秀率、低分率。也有学校把低分率换成“巩固率”或“提升率”，那是把增量指标掺进来了，属于另一种玩法，本文以最常见的“平均分 + 及格率 + 优秀率 + 低分率”为准，后面会讲怎么替换。

为什么是这四个数而不是别的？因为它回答的是四个不同层次的问题。平均分回答“这一群人的整体水平在哪”，及格率回答“有多少人达到了最低要求”，优秀率回答“头部有多少人冒出来”，低分率回答“尾部有多少人掉下去了”。四个数凑在一起，才勉强能画出一条分布曲线的轮廓。只看平均分，一个班 80 分可能是一半人 90 一半人 70，也可能是一半人 95 一半人 65，这两种情况在教学上的处理方式完全相反。

我见过不少老师做统计只做前三个，低分率直接跳过。这是很可惜的，因为低分率恰恰是对教学干预最有指导意义的一个数。及格率告诉你“有多少人需要拉一把”，低分率告诉你“有多少人需要换一种拉法”。

1.2 最难统一的三个口径：阈值、边界、分母

真正让数字对不上的，从来不是公式本身，而是这三件事：

第一，阈值定在哪。及格线一般是满分的 60%，这个几乎没争议。优秀线就有分歧了，常见的有满分的 85%、80%，个别学科用 90%。低分线更乱，40%、30% 都有人用，还有按“不及格人数中后 20%”来划的动态口径。同一份成绩，优秀线定 80 还是 85，优秀率能差出十几个百分点。

第二，边界值归谁。满分 100，及格线 60，那么正好考 60 分的学生算不算及格？绝大多数学校的口径是“达到即算”，也就是用>=，正好 60 分算及格，正好 85 分算优秀。但确实有老师习惯写“60 分以上”，脑子里想的是>。一个 50 人的班，卡在及格线上的往往有三五个人，这一进一出，及格率就差出六到十个百分点。

第三，分母是谁。是全班在籍人数，还是实际参加考试的人数？这个差别在有转学、休学、缺考的班级里非常致命。一个 45 人的班缺考 3 人，用 45 做分母和用 42 做分母，及格率能差 4 个百分点以上。

提示：这三条必须在统计开始之前，由教研组统一成书面口径，写进统计表的表头备注里。别指望事后靠解释把数字圆回来，家长和同行只认表上的数。

1.3 一张标准的统计表该有哪些字段

把口径定下来之后，表格的字段其实就自然长出来了。我一般用下面这套，字段顺序也建议照这个来，从左往右读是一套完整的逻辑：

这张表里有个细节值得说：参考人数一定要单独占一列，不要只在公式里出现一次就完事。它是所有四个指标的共同分母，一旦它错了，四个数会一起错，而且错得很隐蔽——因为四个数之间的比例关系看上去还是自洽的，你从表面上看不出问题。单独列出来，肉眼就能核对“参考人数 + 缺考人数 = 在籍人数”这个等式成不成立。

2. 四个公式的逐项拆解与边界情况处理

2.1 平均分：分母取错，后面三个率全跟着错

平均分的公式本身就一行：

平均分 = 参考学生成绩总和 ÷ 参考人数

看起来没什么可讲的，但实际操作里 90% 的错误都出在这个除法上。最常见的三种错法：

错法一，把缺考当 0 分算进去。有些成绩表里缺考直接留空，有些则填了个 0。填 0 的那些，一求和就把总分拉低了，一取平均就把平均分往下拽。一个班 45 人缺考 2 人，如果这 2 人记 0 分，平均分可能直接掉三四分，看起来像是班级整体退步了。缺考必须从分母和分子里同时剔除，不能只剔一边。

错法二，分母用了在籍人数。这在有学生长期请假、转出未办完手续的班级里特别常见。45 人在籍、43 人参考，用 45 做分母，平均分天然偏低 4% 左右。这个偏差不是随机误差，是系统性偏差，会一直跟着这个班。

错法三，四舍五入的时机。是每个学生成绩先四舍五入到整数再求平均，还是先求平均再四舍五入？这两者算出来的结果在小数点后两位上可能不一样。规范做法是只在最终呈现时四舍五入，中间过程保持原始精度。你先舍后统，等于人为引入了一轮误差。

再往下还有一个进阶问题：是否需要加权平均。如果一个年级要算总平均分，而各班人数不同，那么“各班平均分再求平均”是错的，正确做法是“全年级总分 ÷ 全年级参考人数”。这个坑在第 4 节还会详细讲。

2.2 及格率与优秀率：>=和>差的是几十个人

两个率的公式结构完全一样，只是阈值不同：

及格率 = 成绩 ≥ 及格线 的人数 ÷ 参考人数 × 100% 优秀率 = 成绩 ≥ 优秀线 的人数 ÷ 参考人数 × 100%

及格线 = 满分 × 60%，优秀线 = 满分 × 85%（部分学校用 80%，按本单位口径）。关键在于这个“≥”。用大于等于而不是大于，是有现实依据的：60 分就是及格，这是“达到”而不是“超过”。如果写成>60，那么所有正好考 60 分的学生会被划到不及格里去，这在事后核查时几乎必然会被家长和同行质疑。

同样地，优秀线也要用>=。满分 100、优秀线 85 的情况下，85 分整的学生算优秀。实际操作中有一类更麻烦的情况：成绩带小数。比如某个学生考了 59.5 分，及格线 60，那他到底算不算及格？如果学校有“四舍五入到整数再统计”的规定，59.5 就是 60，算及格；如果没有这个规定，他就是不及格。这一条也必须在口径里写清楚，不能靠临场判断。

还有一个极端但真实存在的问题：浮点数比较。表格软件里 59.95 这种数存储时可能是 59.9499999，用>=60判断会判成不及格，但显示出来明明是 60.00。这个坑我在第 5 节会给出具体的规避写法。

比及格率更能反映分层的是“双优率”或“全科优秀率”——语文数学都优秀的学生占比。单科优秀率高，可能只是这一科卷子简单；全科优秀率高，才说明这个班的头部是真稳。这类多条件率用多条件计数就能算，公式在 3.4 节。

2.3 低分率：最容易被跳过、却最能说明问题的一项

低分率 = 成绩 < 低分线 的人数 ÷ 参考人数 × 100%

注意这里用的是<而不是<=。低分线一般定在满分的 40%（满分 100 就是 40 分），含义是“严重不达标”。如果某个学生正好考 40 分，按多数学校的口径，他属于“不及格但不属于低分”，所以用严格小于。这个细节同样要写进口径，因为它在低分线附近同样会影响到几个人。

低分线定在哪，其实是个教育判断而不是数学问题。定 40%，意思是“连四成都拿不到”；定 30%，意思是“基本交白卷”。有的学校还会用“低于年级后 10% 分位”这种动态口径，好处是能自适应试卷难度，坏处是无论整体多好，永远有 10% 的人被划为低分，指标失去了绝对意义。我的建议是：绝对口径（40%）用于对外汇报和跨年级比较，相对口径（分位数）用于内部分析和个别辅导对象的筛选，两套并行，不要混用。

低分率最大的价值在于它的“边际敏感度”。一个班及格率从 85% 提到 90%，需要把 2 到 3 个边缘学生拉上来；而低分率从 8% 降到 4%，往往只需要盯住 2 个具体的学生，做针对性补差。从投入产出比看，低分率是四个指标里最容易做出改善的一个。但它也最容易被“分母管理”污染，这一点第 5 节细说。

2.4 先四舍五入还是先统计：一个必须定死的顺序

举个具体例子。某班 5 名学生，成绩分别是 59.6、59.7、59.8、59.9、60.4。

• 先舍后统：四舍五入成 60、60、60、60、60，及格人数 5，及格率 100%。
• 先统后舍：原始成绩比较，≥60 的只有 1 人，及格人数 1，及格率 20%，然后呈现时保留两位小数。

差了 80 个百分点。这不是段子，是真实会发生的场景，尤其是在卷面分是小数、最后要折算总评的科目里。

规范做法只有一条：统计永远基于原始精度数据，四舍五入只作用于最终展示。如果学校规定“成绩先取整再统计”，那这条规定本身要写进表头备注，并且全年级统一执行。最怕的是有的班先取整、有的班不取整，最后汇总到年级表上，谁也不知道该信哪个数。

同样的问题也出现在“总分”上。语数外三科各 100 分，总分 300，优秀线是 255（85%）。如果三科各自先四舍五入再相加，和原始总分相加再比较，结果可能不一样。一律用原始分相加，不要中途取整。

3. 用表格软件把这套公式跑起来（可直接照搬）

3.1 原始成绩表的规范写法

公式写得再漂亮，源表不规范照样白搭。我用过的最省事的一种源表结构是这样：一行一个学生，一列一个字段，不做任何合并单元格，不在数据区插入小计行。

假设数据从第 2 行开始，字段布局如下：

关键约定：成绩列只放数字，缺考不要填 0，直接留空或者交给状态列标记。这一条能省掉后面一半的麻烦。因为表格软件里的COUNT、AVERAGE这类函数会自动忽略文本和空单元格，只有数字才参与计算。你填了 0，它就当成实打实的 0 分。

3.2 平均分与三个率的公式模板

以满分 100、成绩在D2:D51为例，阈值放在单独单元格里方便改：

几个必须注意的写法细节：

COUNTIF的条件里用">="&G2这种拼接写法，而不是直接写">=60"。区别在于前者引用单元格，改满分或者改阈值比例时整个表自动跟着变；后者写死，换一科满分 120 的就全废了。这个习惯值得养成。

COUNT只数数字，COUNTA数非空单元格。参考人数必须用COUNT，否则状态列里写了“缺考”两个字的人也会被数进去，分母就虚高了。

三个率算出来是小数（0.8666...），把这三个单元格格式设成“百分比、两位小数”，显示就是 86.67%。不要去乘 100 再手打百分号，那样数值就变成了 86.67 这个纯数字，后面再想做加权汇总时全是坑。

如果不想分两步算，也可以把人数和率合并成一个公式：

=COUNTIF($D$2:$D$51,">="&$G$2)/COUNT($D$2:$D$51)

3.3 阈值做成可改单元格，一张表通吃所有科目

上面这套写法的核心思路是：把会变的东西全部提出来变成参数，公式本体只写一次。会变的东西无非三类——满分、阈值比例、数据区域。

满分和阈值比例已经在 G1 到 G4 里了。数据区域可以进一步用命名区域处理：选中D2:D51，在名称框里输入成绩，以后公式直接写=COUNTIF(成绩,">="&G2)，换班级只需重定义这个名称指向的区域，公式一个字都不用改。

再进一步，如果满分不是 100 而是 120（比如某些地区的语文数学），只要把 G1 改成 120，及格线自动变成 72，优秀线自动变成 102，低分线自动变成 48，四个指标全部跟着刷新。这就是参数化的价值。

注意：改完满分之后，一定要回头检查原始成绩列里的数据是不是也已经按新满分录入。我见过一次英语满分 120 的卷子，成绩录了原始分，但统计表还挂着上一科满分 100 的参数，结果优秀率算出来 60% 多，看着特别好看，实际上是错的。

3.4 缺考、免考、缓考的标记方案

这三种情况和“考了 0 分”在统计上的处理方式完全不同，必须分开。

缺考：没有有效成绩，从分母和分子里同时剔除。成绩列留空，状态列写“缺考”。用COUNT数分母就自动排除了。

免考：有学籍、按政策不参加考试。这类学生同样不进分母，但如果学校要求“免考按及格计”，那就得单独处理——把他们按及格线分数计入总分和及格人数，但不计入优秀人数。这一条各校规定不同，务必按本单位口径。

缓考：暂时没有成绩，后续补考。统计时要单独标出，出表时在备注里说明“本次统计不含缓考 X 人，补考后另行更新”。

如果硬要用公式自动剔除多种状态，可以用多条件计数：

=COUNTIFS($C$2:$C$51,"一班",$E$2:$E$51,"正常",$D$2:$D$51,">="&$G$2)

这个公式的意思是：统计“一班”中状态为“正常”且成绩达到及格线的人数。COUNTIFS的条件是“与”的关系，全部满足才计数。

3.5 按班级批量出表：一个公式拉满整列

一个年级六七个班，最忌讳一个班一个班手工改区域。正确做法是做一张汇总表，A 列列出班级名，然后每个指标写一个公式往下拉。

假设明细表在明细工作表，班级在 C 列，成绩在 D 列，汇总表在汇总工作表：

参考人数 =COUNTIFS(明细!$C:$C,$A2,明细!$D:$D,">=0") 及格人数 =COUNTIFS(明细!$C:$C,$A2,明细!$D:$D,">="&$G$2) 及格率 =IFERROR(B2/C2,"") 平均分 =IFERROR(AVERAGEIFS(明细!$D:$D,明细!$C:$C,$A2),"—")

AVERAGEIFS会按条件求平均，而且自动忽略空单元格和文本，正好符合“剔除缺考”的要求。IFERROR包一层是为了防止某个班全员缺考时出现#DIV/0!这种难看的错误值，把它变成空白，表格看着干净。

$A2用了混合引用：列锁定、行不锁。这样公式往右拉到别的指标列时，引用的还是 A 列的班级名；往下拉时行号跟着变。这是批量公式的标准写法，值得记住。

4. 换满分、换科目、跨班汇总时的通用化改造

4.1 不同满分科目的折算与可比性

一个班里语文满分 120、数学满分 100、英语满分 100，三科的“优秀率”放一起看有意义吗？有，但前提是优秀线按各自满分的比例算。120 分的 85% 是 102，100 分的 85% 是 85，这两个阈值不可直接比较，但折算成比例之后就可以比了。

真正不能直接比较的是平均分。语文平均 96 分（满分 120，得分率 80%）和数学平均 82 分（满分 100，得分率 82%），看上去数学分低，实际上数学考得更好。所以跨科目比较一定要换成得分率：

得分率 = 平均分 ÷ 满分 × 100%

得分率是个非常好的归一化指标，因为它把所有科目都拉到 0 到 100% 这个统一标尺上。我习惯在统计表里加一列得分率，比平均分本身更有解读价值。

再进一步，如果要做班际比较，还可以算标准分：

Z = （某班平均分 − 年级平均分）÷ 年级标准差

Z 值为 0 表示和年级持平，+1 表示高于年级一个标准差，−1 表示低一个标准差。这个指标的好处是自动消化了试卷难度和科目差异，缺点是家长看不懂，只适合内部教研分析用。

或者用更直观的变异系数来看班级内部的离散程度：

CV = 标准差 ÷ 平均分

CV 大说明班级内部差距大、两极分化；CV 小说明整体比较齐整。两个班平均分一样但 CV 差一倍，教学策略应该完全不同——一个要拔高，一个要补差。标准差在表格软件里用STDEV.S算，只对数值生效，自动忽略空值。

4.2 年级汇总：绝对不能对“率”再求平均

这是我在实际工作中见过最多、后果最严重的一个错。

假设一班 20 人及格率 90%，二班 40 人及格率 60%。直接把两个率平均：(90% + 60%) ÷ 2 = 75%。看起来挺合理。

正确答案是：(18 + 24) ÷ (20 + 40) = 42 ÷ 60 = 70%。

差了 5 个百分点。原因很简单：率是比值，比值的平均不等于总体的比值。只有当两个班人数完全相同时，两者才相等。这和学生人数差异越大，误差越大。

正确写法只有一条路：先把分子分母分别汇总，再算比值。

平均分同理，要用加权平均：

=SUMPRODUCT(参考人数区域, 平均分区域) / SUM(参考人数区域)

这个公式的数学含义是“总分除以总人数”，只是用各班平均分乘以人数的方式还原出总分。用SUMPRODUCT比一个个乘加更不容易出错。当然最保险的做法还是从明细表直接算，绕开中间环节。

提示：任何一个层级汇总，都建议从最底层的明细数据重算一遍，用来校验上层汇总表。两条路算出来的数对不上，说明中间某一环出问题了。

4.3 全科合格率与偏科学生的识别

单科的一分三率看的是“这一科考得怎么样”，全科合格率看的是“这个学生整体达标了没有”。后者的计算口径是：所有科目都达到及格线，才算全科合格。

在明细表里每个学生占一行的情况下，公式可以这么写：

=SUMPRODUCT((D2:D51>=语文及格线)*(E2:E51>=数学及格线)*(F2:F51>=英语及格线))

这个写法利用了布尔值转 0/1 的特性：三个条件都成立时是 1×1×1=1，累加就是人数；只要有一科不达标，乘积就是 0。用它数完全科合格人数，再除以参考人数就是全科合格率。

反过来，偏科识别就是找“只有一科不达标”的学生。这在教学上比全科合格率有用得多，因为它直接给出了家访和个别谈话的名单。做法是加一列“不合格科目数”：

=COUNTIF(D2:F2,"<"&60)

结果等于 1 的，就是偏科生；等于 2 的，是严重薄弱；等于 3 的，需要整体帮扶。按这一列排序，名单直接就出来了。

我在实际操作中的体会是，这个偏科名单的正确率取决于一件事：各科及格线必须用各自的满分折算。如果语文满分 120 及格线 72、数学满分 100 及格线 60，公式里写死一个 60 就会把语文全部判成不合格。这类公式一定要引用参数单元格，不要写死数字。

5. 数字出来之后：几个容易被误读的地方

5.1 平均分一样，班级情况可能完全相反

两个班平均分都是 80，看起来水平相当。但一个班的成绩分布是 75 到 85 之间密集分布，另一个班是一半人 95、一半人 65。这两种情况在教学上要做的事完全相反：前者需要整体提难度、往上顶；后者需要分层作业、两头分别抓。

所以看一分三率一定要四个数一起看，不能只看一个。我会用一个简单的对照来快速定位班级状态：

这只是个粗筛，真实情况要复杂得多，但它能帮你在几分钟内对一个班的状况有个基本判断，比盯着一个平均分发呆有用。

5.2 低分率的“分母管理”陷阱

低分率 = 低分人数 ÷ 参考人数。这个式子里有两个变量，而教学干预只能影响分子，但有些人会去动分母。

比如把接近低分线的学生“劝”去参加别的安排、把长期不来的学生按某种口径移出统计范围，低分率立刻就好看了。这种做法在数据上叫“分母管理”，本质是把问题藏起来而不是解决掉。它短期内能让报表好看，但代价是这批学生彻底失去了被关注的机会。

注意：低分率异常低但没有对应的教学改进记录时，就该去看分母是怎么构成的。这不是怀疑谁，是数据核查的基本习惯——任何异常漂亮的数字都值得多问一句“它是怎么算出来的”。

我的做法是：统计表里永远同时保留“在籍人数”“参考人数”“缺考人数”三列。三列摆在一起，分母构成本身就是透明的，谁看都清楚。这比事后解释一百句都管用。

5.3 我踩过的几个具体坑

挑几个具体的说，都是实际吃过亏的。

坑一：COUNTIF把文本型的数字漏掉。成绩列里如果有单元格是文本格式的“85”，COUNTIF(D:D,">=60")不会把它算进去，但人眼看着就是 85 分。这种情况多见于从系统导出、再从别处粘贴过来的数据。解决办法是选中整列，用“分列”功能强制转成数值，或者用VALUE()转换一下。检查方法很简单：COUNT和COUNTA的结果如果不一样，说明列里有非数值内容。

坑二：合并单元格让区域错位。源表里为了好看把几行合成一格，一筛选、一排序就全乱了。统计用的源表绝对不能有合并单元格，这是铁律。要好看，另做一张展示表。

坑三：浮点数比较失灵。59.95 这种成绩，在表格软件内部可能是 59.94999999，>=60判不过，但显示是 60.00。破办法是把阈值往下放一点点，用">="&(G2-0.0001)，或者先对成绩做一次ROUND再比较。前者更简单，后者更严谨，看你的使用场景。

坑四：改了一处忘了另一处。汇总表里及格率算出 87%，明细表里换个区域单独算出来是 84%。查了半天发现明细表的区域是D2:D51，汇总表写的是D2:D50，少了一行。这种错误几乎无法靠肉眼发现，只能靠交叉校验。我的习惯是在表里固定放一个校验单元格：=SUM(各班参考人数)-年级参考人数，等于 0 才算过关。

坑五：百分比格式掩盖了真实数值。单元格里是 0.8666，显示成 87%。看着是整数，实际你一复制粘贴到别处就变成了 0.8666。要么统一保留两位小数呈现，要么在表头注明“数值为原始比例，非百分数”。混用是灾难的开始。

坑六：名次并列的处理。有些学校的一分三率还带“年级排名前 X%”。如果直接用RANK系列函数，遇到并列名次会跳号（1、2、2、4），算比例时可能多算或少算人。用RANK.EQ配合COUNTIF可以控制，但更稳妥的做法是先按成绩降序排一次，人工确认边界上有几个人并列，再决定边界怎么切。

这套公式我用了很多年，中间迭代过好几版表模板，最后沉淀下来的核心其实就三句话：分母要单独成列并可见，阈值要提成参数不要写死，率的汇总必须回到分子分母重算。这三条守住了，一分三率这张表就不会出结构性错误，剩下的都是小数点后两位的细节问题。至于统计完之后怎么用它去和同事、和家长沟通，那是另一个话题，我一般会把四个数和班级的“分层名单”一起给对方看，光给四个数，别人很难形成具体印象。