如何用Pandas按课程分组统计各字母成绩的人数？

前置准备 #

确保已安装pandas（未安装则执行命令：pip install pandas），它能高效完成分组统计需求。

完整代码示例 #

1. 衔接你已有的numpy数据（数据已在DataFrame中可跳过此步） #

假设你已经用numpy生成了字母成绩列，先把所有数据转成pandas的DataFrame：

import numpy as np
import pandas as pd

# 替换成你实际的numpy数组
students = np.array(['张三', '李四', '王五', '赵六', '孙七'])
scores = np.array([85, 92, 60, 55, 40])
courses = np.array(['会计学', '大学代数', '会计学', '大学代数', '大学代数'])
# 你已用numpy生成的字母成绩列
letter_grades = np.array(['B', 'A', 'C', 'D', 'F'])

# 转换为DataFrame
df = pd.DataFrame({
    '学生': students,
    '当前分数': scores,
    '课程': courses,
    '字母成绩': letter_grades
})

2. 分组统计各课程的字母成绩人数（包含计数为0的等级） #

# 定义需要统计的所有字母等级，确保不会遗漏
grade_levels = ['A', 'B', 'C', 'D', 'F']

# 按课程分组，统计每个等级的人数，缺失等级填充0
grade_stats = df.groupby('课程')['字母成绩'].value_counts().unstack(fill_value=0)[grade_levels]

# 按你需要的格式输出结果
for course, counts in grade_stats.iterrows():
    # 筛选出计数大于0的等级，拼成指定格式
    result_items = [f"{grade}={count}" for grade, count in counts.items() if count > 0]
    result_str = "、".join(result_items)
    print(f"{course} {result_str}")

代码说明 #

• groupby('课程')['字母成绩'].value_counts()：按课程分组后，统计每组内各字母成绩的出现次数
• unstack(fill_value=0)：将行级统计结果转为列，缺失的字母等级自动填充0，保证A-F每个等级都被统计
• [grade_levels]：强制指定列的顺序为A、B、C、D、F，避免顺序混乱
• 最终输出示例：

  会计学 B=1、C=1
  大学代数 A=1、D=1、F=1
  

内容的提问来源于stack exchange，提问作者Hank Hargis