使用Python Pandas筛选CSV中同时挂科B&C或B&D的学生记录

原代码存在的问题 #

• 列名大小写不匹配：CSV中的列名是Roll、Pass_Fail，代码里误用了小写的roll、pass_fail，会导致找不到列报错
• 循环逻辑错误：for each roll in dataFrame实际是遍历DataFrame的列名，而非学生的Roll编号
• 索引用法错误：dataFrame.loc['pass_fail']是按行索引取值，正确的列筛选应该是dataFrame['Pass_Fail'] == 'F'

正确实现步骤 #

通过Pandas的分组和筛选功能可以高效实现需求，步骤如下：

1. 读取并筛选挂科记录：先提取所有挂科（Pass_Fail为F）的记录，减少后续处理的数据量
2. 分组统计挂科科目：按学生的Roll号分组，收集每个学生挂科的科目集合
3. 筛选目标学生：找出挂科科目同时包含B&C，或者B&D的学生Roll号
4. 提取目标记录：从挂科记录中筛选出这些学生的所有挂科条目

完整代码 #

import pandas as pd

# 读取CSV文件，用原始字符串避免路径转义问题
df = pd.read_csv(r".\students.csv")

# 1. 筛选所有挂科的记录
failed_records = df[df['Pass_Fail'] == 'F']

# 2. 按Roll分组，收集每个学生挂科的科目集合
failed_subjects = failed_records.groupby('Roll')['Subject'].apply(set)

# 3. 找出符合条件的学生Roll：同时挂科B&C 或 B&D
target_rolls = failed_subjects[
    (failed_subjects >= {'B', 'C'}) | 
    (failed_subjects >= {'B', 'D'})
].index

# 4. 提取目标学生的挂科记录，并按Roll排序（可选，让输出更整齐）
result = failed_records[failed_records['Roll'].isin(target_rolls)].sort_values('Roll')

# 输出结果，去掉索引和表头，匹配预期格式
print(result.to_csv(index=False, header=False))

输出结果 #

2,B,30,F
2,C,30,F
3,B,30,F
3,D,20,F

内容的提问来源于stack exchange，提问作者Anirban