在Pandas DataFrame中优化实现分组行求和与学生总分动态更新

先搞定数据预处理 #

首先把两张表调整成Pandas易处理的结构：

• 学生成绩表（假设命名为df_scores）：将姓名作为唯一标识列，其余列是科目成绩，转成长格式并剔除空值：

df_scores_long = df_scores.melt(id_vars='姓名', var_name='科目', value_name='分数').dropna()

• 权重表（假设命名为df_weights）：保留学期、科目、权重三列即可，无需额外处理。

用矢量化运算替代低效循环 #

别用lambda遍历，Pandas的合并+矢量化计算才是高效方案，比普通for循环快几个量级：

1. 按科目合并两张表：

merged_df = pd.merge(df_scores_long, df_weights, on='科目')

2. 直接计算分数×权重：

merged_df['分数×权重'] = merged_df['分数'] * merged_df['权重']

按学期输出结果到文件 #

按学期分组处理，直接输出每个科目计算值和学生总分：

with open('score_calculations.txt', 'w', encoding='utf-8') as f:
    for term, term_group in merged_df.groupby('学期'):
        # 输出每个科目的计算结果
        for _, row in term_group.iterrows():
            f.write(f"{row['科目']}: {row['分数×权重']:.2f}\n")
        # 计算并输出学生总分
        student_totals = term_group.groupby('姓名')['分数×权重'].sum()
        for name, total in student_totals.items():
            f.write(f"{name}: {total:.2f}\n")

输出格式完全匹配你给出的示例，且效率拉满。

跟踪学生总分变化 #

要识别总分变化，直接提取各学期的学生总分并计算差值即可：

# 按学生和学期汇总总分
student_term_totals = merged_df.groupby(['姓名', '学期'])['分数×权重'].sum().unstack()
# 计算相邻学期的总分变化
score_changes = student_term_totals.diff(axis=1)
# 可将变化结果输出到文件
score_changes.to_csv('score_changes.csv', encoding='utf-8')

内容的提问来源于stack exchange，提问作者Anna