如何用Pandas的groupby()和mean()计算学生平均成绩并升序排列

1. 修正原始数据结构 #

原代码生成的DataFrame是按班级分列的非标准格式，无法直接用于分组计算，需要先重构为包含班级、姓名、各科成绩的扁平结构：

import pandas as pd

# 原始成绩数据
data = {
        'S4A': {
                'Name': ['Amy', 'Mandy', 'Daisy', 'Ben', 'Peter', 'John'],
                'Maths': [99, 87, 88, 70, 88, 76],
                'Chemistry': [89, 90, 90, 90, 89, 82],
                'Physics': [79, 97, 68, 80, 72, 95],
                'English': [90, 65, 56, 67, 86, 82],
                'Biology': [79, 89, 59, 70, 79, 78],
                'History': [75, 81, 78, 55, 68, 84]
               },

       'S4B': {
                'Name': ['Allen', 'Gordon', 'Jimmy', 'Nancy', 'Sammy', 'William'],
                'Maths': [90, 86, 88, 80, 85, 86],
                'Chemistry': [89, 78, 88, 90, 79, 82],
                'Physics': [89, 97, 78, 81, 82, 55],
                'English': [80, 85, 86, 77, 86, 82],
                'Biology': [75, 89, 69, 70, 79, 78],
                'History': [79, 81, 80, 65, 68, 84]
               }
       }

# 重构为标准DataFrame
df_list = []
for class_name, class_data in data.items():
    temp_df = pd.DataFrame(class_data)
    temp_df['Class'] = class_name
    df_list.append(temp_df)

df = pd.concat(df_list, ignore_index=True)
subjects = ['Maths', 'Chemistry', 'Physics', 'English', 'Biology', 'History']

2. 使用groupby()和mean()计算平均成绩 #

通过groupby('Name')按学生姓名分组（每个学生对应唯一分组），再对分组内的各科成绩调用mean()计算平均值：

# 分组计算每位学生的平均成绩
student_avg = df.groupby('Name')[subjects].mean(axis=1).reset_index(name='Average Score')

3. 按平均成绩升序排列 #

利用sort_values()方法对结果按平均成绩列升序排序：

# 升序排序
sorted_avg = student_avg.sort_values(by='Average Score', ascending=True)

# 输出结果
print(sorted_avg)

最终输出示例 #

运行后会得到按平均成绩从低到高排列的结果，示例如下：

Name  Average Score
3       Ben      72.000000
2     Daisy      73.166667
9     Nancy      77.166667
10     Sammy      81.000000
5      John      81.166667
8      Jimmy      81.500000
11  William      79.666667
4     Peter      80.333333
0       Amy      85.166667
6     Allen      83.666667
1     Mandy      84.833333
7    Gordon      86.000000

内容的提问来源于stack exchange，提问作者aunt wu