使用Pandas对CSV生成的DataFrame随机迭代并实现正误判断

1. 读取CSV文件生成目标DataFrame #

先确保pyquiz.csv的列名与目标结构完全匹配（variables、statements、True of False），再用Pandas读取：

import pandas as pd

# 读取CSV生成DataFrame
df = pd.read_csv('pyquiz.csv')
# 可选：打印验证结构
print(df)

如果需要手动构造示例DataFrame用于测试，可直接使用：

df = pd.DataFrame({
    'variables': ['f1', 'f2', 'f3', 'f20'],
    'statements': ['f_state1', 'true_state1', 'f_state2', 'f_state20'],
    'True of False': ['F', 'T', 'F', 'F']
})

2. 随机迭代DataFrame #

通过sample(frac=1)打乱DataFrame的行顺序，实现随机遍历：

import random

# 打乱行顺序，每次运行生成不同随机序列
shuffled_df = df.sample(frac=1, random_state=random.randint(1, 1000))

3. 实现问答逻辑 #

遍历打乱后的DataFrame，根据True of False列的正确答案判断用户输入，给出对应反馈：

user_start = input("输入'pyquiz'开始测验: ")
if user_start == 'pyquiz':
    for _, row in shuffled_df.iterrows():
        current_statement = row['statements']
        correct_ans = row['True of False']
        
        print(f"\n{current_statement}")
        user_ans = input("输入T或F: ").strip().upper()
        
        if user_ans == correct_ans:
            print("正确！")
            input("\n按回车继续: ")
        else:
            print("错误。")

逻辑说明 #

• 用sample(frac=1)替代原列表的sorted(..., key=lambda _: random.random())，更贴合Pandas的操作习惯
• 直接从每行获取陈述和正确答案，无需额外维护true_statements和false_statements两个列表
• 对用户输入做了大写转换，避免大小写敏感导致的误判
• 正确后等待用户回车再进入下一题，错误则直接提示后自动跳转

内容的提问来源于stack exchange，提问作者jricks72