如何在Polars中对学生考试成绩进行等分组并标记等级？

现有学生考试成绩数据，需完成以下操作：

• 按成绩降序排序
• 将学生总人数分成10个等分组（每组人数尽量均等，人数不足时自动调整分组大小）
• 根据成绩所在组别标记对应等级：1组→A+，2组→A，3组→A-，4组→B+，5组→B，6组→B-，7组→C+，8组→C，9组→C-，10组→D

处理代码 #

import polars as pl

data = {'test': [77, 36, 55, 0, 100, 32, 66, 72, 42, 1, 33, 100, 55, 69, 87, 45, 45, 66, 37, 89, 32, 38, 78, 85, 23, 43, 10, 14, 55, 32, 27, 88, 90]}
df = pl.DataFrame(data)

# 组号与等级映射关系
grade_mapping = {
    1: 'A+',
    2: 'A',
    3: 'A-',
    4: 'B+',
    5: 'B',
    6: 'B-',
    7: 'C+',
    8: 'C',
    9: 'C-',
    10: 'D'
}

# 核心处理流程
result_df = (
    df
    .sort('test', descending=True)
    .with_row_index(name='row_idx')
    .with_columns(pl.col('row_idx').ntile(10).alias('group_num'))
    .with_columns(pl.col('group_num').map_dict(grade_mapping).alias('grade'))
    .drop('row_idx')
)

print(result_df)

关键步骤说明 #

• 排序：sort('test', descending=True) 确保高分成绩进入靠前的组别，符合等级划分逻辑
• 分组：ntile(10) 自动将数据分成10个等分组，针对33名学生的情况，前3组各4人，后7组各3人，满足“每组人数向上取整”的均等要求
• 等级映射：map_dict 直接将组号转换为对应的等级标记，逻辑清晰高效

内容的提问来源于stack exchange，提问作者Young Eddie