如何实现筛选正确答题记录并计算对应平均耗时的Python数据分析

需求拆解 #

需要完成两项核心处理：

• 逐题匹配student_answer（第20-43列）与did_he_answer（第69-93列），筛选满足**student_answer=5 且 did_he_answer="Yes"**的答题记录，统计总数
• 基于上述正确答题记录，计算对应time_taken_to_answer（第45-69列）的平均值，新增列存储该结果

常见代码问题修正 #

现有代码通常会出现以下逻辑错误：

1. 列索引混淆1-based/0-based导致列选择错误
2. 未按对应题目逐行匹配判断条件
3. 计算平均值时未过滤错误答题的时间数据
4. 新增列赋值逻辑错误

修正后完整代码 #

import pandas as pd

# 加载数据集（假设已完成加载，变量名为dataset）
# dataset = pd.read_csv("your_dataset.csv")

# 定位目标列（Python使用0-based索引，转换需求中的1-based列范围）
student_answer = dataset.iloc[:, 19:44]  # 对应第20-43列
did_he_answer = dataset.iloc[:, 68:94]    # 对应第69-93列
time_taken = dataset.iloc[:, 44:70]       # 对应第45-69列

# 验证三组列的数量一致性（确保每道题的三组数据对应）
assert student_answer.shape[1] == did_he_answer.shape[1] == time_taken.shape[1], \
    "错误：三组目标列的数量不匹配，请检查列范围"

# 1. 构建正确答题的掩码，逐题判断条件
correct_answers_mask = (student_answer == 5) & (did_he_answer == "Yes")

# 统计符合条件的总记录数（所有题中正确答题的总次数）
total_correct_count = correct_answers_mask.sum().sum()
print(f"符合答题正确逻辑的记录总数：{total_correct_count}")

# 2. 提取正确答题对应的时间并计算平均值
# 筛选出所有正确答题的时间值，排除无效值
valid_correct_times = time_taken[correct_answers_mask].stack()
average_correct_time = valid_correct_times.mean()

# 新增列并填充平均值
dataset['Average Time Taken for Correct Answer'] = average_correct_time

代码说明 #

• 列索引转换：将需求中的1-based列范围转为Python的0-based索引（iloc的切片为左闭右开），确保列选择准确
• 掩码构建：逐列匹配判断条件，确保每道题的答题状态和答案对应判断
• 统计逻辑：用sum().sum()统计所有正确答题的总次数；若需统计至少有一道题正确的行数，可替换为correct_answers_mask.any(axis=1).sum()
• 平均值计算：通过掩码筛选正确答题的时间数据，用stack()将二维时间数据转为一维后计算平均值，避免空值干扰
• 新增列赋值：将全局平均值填充到新列的所有行，确保数据集结构完整

内容的提问来源于stack exchange，提问作者Nugget