贴代码没有缩进，那干脆就一行一行来了，还能展示计算过程，其实 py 跟 excel 差不多，多加几步路就是了。

import pandas as pd

# 假定这个 excel 读进来就四列，n1, n2, n3, n4，每一行一个人
df = pd.read_excel("C:/Users/acer/Desktop/绩效.xlsx")

# 先数每个人挂了几科
df["n_failed"] = df.apply(lambda x: sum(x < 60), axis=1)

# 加权求和，反正权重是死的硬编码就是了
df["sum"] = df["n1"] * 0.1 + df["n2"] * 0.2 + df["n3"] * 0.5 + df["n4"] * 0.2

# 从 sum 得到用数字表示的等级（ 5: A, 4: B, 3: C, 2: D, 小于 2 的不及格 F ）
df["raw_grade_int"] = df["sum"].apply(lambda x:int(x / 10) - 4)

# 挂几科降几级
df['final_grade_int'] = df["raw_grade_int"] - df['n_failed']

# 从数字表示的等级转为 ABCDF，用个硬编码的字典对应
df['final_grade']=df['final_grade_int'].apply(lambda x: {5: "A", 4: "B", 3: "C", 2: "D"}.get(x, 'F'))

# 跳过不需要的列用于输出
output_df = df[['n1', 'n2', 'n3', 'n4','final_grade']]

# 输出，不需要 index
output_df.to_excel("C:/Users/acer/Desktop/工具人.xlsx", index = False)

等级是不是不够？低于 60 也算 D ？还是算不及格？

社会科学研究里有个技巧叫随机化回答(Randomized response)，准备两个问题，一个是你真的想问的敏感问题(比如你讨厌你的领导吗)，另一个是无伤大雅的问题(比如你吃了吗)。答题前先抛硬币，正面就答题一，反面就答题二(你不记录硬币的结果)。由于抛硬币的结果概率已知是一半一半(前提是这是个公平的硬币)，可以用来推算人群里对题一的回答的分布。
当然这个技巧的问题首先在于需要一定的样本数，另外受访者不一定能理解为啥这样的问卷就匿名了。

拿一个自己的服务器搭一个 Mattermost，相当于一个私有化部署的 Slack 吧，有 webhook，给自己发消息就是一个简单的 POST request。
不过为了发通知而给自己整一个聊天软件好像有点牛刀杀鸡的感觉。

云厂商的 MongoDB 是厂商跟 Mongo 之间的问题吧

差点被黑白调的椅子爆菊的路过
(幸好他们底部那块钢板还是实在的，所以只是断了而已

直接在 wsl 里设置不行吗……

以前跑过，前几天还收到 SETI 的邮件来着。手机也能跑

Entity–attribute–value model (EAV)
用户是 Entity
自定义各种属性 Attribute
属性的内容就是 Value

好像不支持 emoji

去年秋天电得我死去活来，今年反而还行，不知道是什么鬼

用什么做当然不重要，重要的还是能提出什么问题，回答什么问题

不懂算法，盲猜一个 pca （ Principal component analysis?

我，不脱发，家里祖上也不脱发，也不怎么聊脱发，可能就是因为程序员网站上得多，经常刷到治脱发的广告

看了一下，原来 wsl 也能跑 mongodb 了？之前不得不用 Windows 版

树莓派都能几千个组起来当超算，mac 当然也可以，不可以就是苹果不如树莓派(×

我搜了一下是有的……

吃饭，喝酒