Java成绩分析应使用ArrayList<Double>而非double[]，配合stream过滤null/NaN，用Collectors.summarizingDouble获取统计值，partitioningBy计算及格率，CSV导出需转义双引号并指定UTF-8编码。
Java 本身不内置统计分析能力，但用标准库 + 少量数学逻辑就能完成简易成绩分析——关键不在“用什么框架”，而在“怎么组织数据结构和计算逻辑”。
用 ArrayList<Double> 存成绩，别用原始数组
原始数组（double[]）无法直接调用 stream()、没有动态增删能力，处理缺考、补录等场景容易出错。用 ArrayList<Double> 更灵活，且能自然过滤 null 或 NaN。
实操建议：
- 初始化时用
new ArrayList<>()，避免指定初始容量导致误判有效数据量 - 录入成绩前做基础校验：
if (score >= 0 && score <= 100 || Double.isNaN(score))，允许空值但拒绝负分或超100分 - 计算前统一过滤：
list.stream().filter(Objects::nonNull).filter(d -> !d.isNaN()).collect(Collectors.toList())
Collectors.summarizingDouble() 一行搞定基础统计
不用手写循环求平均、最大、最小、计数——Collectors.summarizingDouble() 返回的 DoubleSummaryStatistics 对象自带全部常用指标，且是单次遍历完成，性能好、代码干净。
立即学习“Java免费学习笔记（深入）”；
DoubleSummaryStatistics stats = scores.stream()
.filter(Objects::nonNull)
.filter(d -> !d.isNaN())
.collect(Collectors.summarizingDouble(Double::doubleValue));
之后可直接取：stats.getAverage()、stats.getMax()、stats.getCount() 等。注意：如果列表为空，getAverage() 返回 0.0，不是 NaN，需按业务判断是否要抛异常或提示“无有效成绩”。
及格率、优秀率用 partitioningBy() 比 filter().count() 更清晰
统计“≥60”和“≥90”的人数占比时，用 partitioningBy() 一次分流，语义明确，也方便后续扩展多档分级（如良、中、差）。
Map<Boolean, Long> passMap = scores.stream()
.filter(Objects::nonNull)
.filter(d -> !d.isNaN())
.collect(Collectors.partitioningBy(s -> s >= 60, Collectors.counting()));
long total = passMap.values().stream().mapToLong(Long::longValue).sum();
double passRate = total == 0 ? 0.0 : (double) passMap.getOrDefault(true, 0L) / total;
常见错误：
- 漏掉
filter步骤，把null或NaN当成 0 参与统计 - 用
passMap.get(true)而不加getOrDefault，空列表时触发NullPointerException - 除法用
int运算（如passCount / totalCount），结果恒为0
导出为 CSV 时小心逗号、换行和引号
成绩字段本身一般不含特殊字符，但学生姓名可能含逗号（如“张三,男”）或换行符。直接拼接会破坏 CSV 结构。最简方案是：所有字段用双引号包裹，内部双引号转义为两个双引号。
实操建议：
- 别自己写字符串拼接，用
String.format("\"%s\"", name.replace("\"", "\"\"")) - 文件写入用
Files.write(path, lines, StandardCharsets.UTF_8)，显式指定编码，避免 Windows 记事本乱码 - 首行写列名：
"学号,姓名,成绩,等级"，不要漏掉 BOM 头（UTF-8 不需要 BOM）
真正难的不是算平均分，而是让数据进得准、出得稳、读得懂——尤其当 Excel 双击打开 CSV 时自动识别错列，往往是因为某一行少了一个引号。
