如何用Python按条件提取年度Excel中运动员的最快最慢成绩并合并

我正在处理不同运动员年度体育测试的历史Excel数据：

• 每年一个Excel文件，每个工作表对应一名运动员的测试数据（工作表名称为运动员ID）
• 数据结构示例：

  Sheet 1: 
  SheetName: 14056
  Data: 
  Candidate   Trial ID    Performance
  14056   11001   194.129
  14056   11002   92.947
  14056   11003   262.029
  Sheet 2: 
  SheetName: 14057
  Data: 
  Candidate   Trial ID    Performance
  14057   12001   22.36
  14057   12002   145.21
  14057   12003   78.9
  14057   12004   69.23
  

需要提取每位运动员的最快/最慢成绩并合并为单个工作表，规则如下：

• 若运动员有效测试次数≥4次：提取2个最快和2个最慢成绩
• 若运动员有效测试次数<4次：仅提取1个最快和1个最慢成绩

当前编写的Python函数无论测试次数多少，都固定提取2个最快和2个最慢成绩，导致测试次数不足4次时（比如仅2次测试），同一条成绩会同时被归为最快和最慢。原代码如下：

def process_excel_file(input_data):
    logger.info(f"Processing file: {input_data}")
    xlsx = pd.ExcelFile(input_data)
    fastest_data = []
    slowest_data = []

    for sheet in xlsx.sheet_names:
        df = pd.read_excel(input_data, sheet_name=sheet)
        if not df.empty:
            df["Performance"] = pd.to_numeric(df["Performance"], errors="coerce")
            df.dropna(subset=["Performance"], inplace=True)
            df = df.sort_values(by="Performance")

            fastest_data.append(df.nsmallest(2, "Performance"))
            slowest_data.append(df.nlargest(2, "Performance"))

    fastest = pd.concat(fastest_data)
    slowest = pd.concat(slowest_data)

    fastest["Category"] = "Fastest Trial"
    slowest["Category"] = "Slowest Trial"
    combined_data = pd.concat([fastest, slowest])
    combined_data.sort_values(by="Candidate", inplace=True)

    return combined_data

核心修改是在处理每个运动员数据时，先判断有效测试次数，再动态决定提取的成绩数量：

def process_excel_file(input_data):
    logger.info(f"Processing file: {input_data}")
    xlsx = pd.ExcelFile(input_data)
    fastest_data = []
    slowest_data = []

    for sheet in xlsx.sheet_names:
        df = pd.read_excel(input_data, sheet_name=sheet)
        if not df.empty:
            # 转换成绩为数值型并过滤无效数据
            df["Performance"] = pd.to_numeric(df["Performance"], errors="coerce")
            df.dropna(subset=["Performance"], inplace=True)
            
            # 获取有效测试次数
            num_trials = len(df)
            # 根据测试次数确定提取数量
            extract_count = 2 if num_trials >= 4 else 1

            # 提取对应数量的最快/最慢成绩
            fastest_data.append(df.nsmallest(extract_count, "Performance"))
            slowest_data.append(df.nlargest(extract_count, "Performance"))

    # 合并数据并添加类别标识
    fastest = pd.concat(fastest_data)
    slowest = pd.concat(slowest_data)
    fastest["Category"] = "Fastest Trial"
    slowest["Category"] = "Slowest Trial"
    
    combined_data = pd.concat([fastest, slowest])
    combined_data.sort_values(by="Candidate", inplace=True)

    return combined_data

• 新增num_trials = len(df)：计算当前运动员的有效测试次数（过滤空值后的行数）
• 新增extract_count = 2 if num_trials >=4 else 1：根据次数动态设置提取数量
• 将固定的nsmallest(2)和nlargest(2)改为使用extract_count变量，实现规则适配

内容的提问来源于stack exchange，提问作者who-cares2023