如何用Python实现按科目与SID统计成绩并生成目标DataFrame？

你可以通过pandas的去重、分组和自定义聚合逻辑来实现需求，以下是具体代码和步骤：

1. 导入库并构造示例数据 #

import pandas as pd

# 原始数据
raw_data = {
    '学生ID': [101, 101, 101, 101, 101, 101, 102, 102, 102, 102],
    '科目': ['English', 'English', 'Mathematics', 'Mathematics', 'Mathematics', 'Mathematics', 'English', 'English', 'Mathematics', 'Mathematics'],
    'SID': [1, 1, 3, 3, 33, 33, 1, 1, 3, 3],
    '成绩': ['Pass', 'Pass', 'Pass', 'Pass', 'Fail', 'Fail', 'Pass', 'Pass', 'Fail', 'Fail']
}
df = pd.DataFrame(raw_data)

2. 去重处理（关键） #

原始数据中同一学生的同一科目+SID组合存在重复行，先按这三列去重，确保每个学生在同一组内只被统计一次：

df_unique = df.drop_duplicates(subset=['学生ID', '科目', 'SID'])

3. 分组聚合计算目标指标 #

定义分组处理函数，统计及格/不及格人数并收集不及格学生ID：

def process_group(group):
    pass_count = (group['成绩'] == 'Pass').sum()
    fail_count = (group['成绩'] == 'Fail').sum()
    # 多个不及格学生ID用逗号分隔，无则留空
    failed_ids = ','.join(map(str, group[group['成绩'] == 'Fail']['学生ID'])) if fail_count > 0 else ''
    return pd.Series([pass_count, fail_count, failed_ids], index=['Pass', 'Fail', 'Failed_student_ID'])

# 按科目和SID分组，应用处理函数
result_df = df_unique.groupby(['科目', 'SID']).apply(process_group).reset_index()

最终结果 #

运行后result_df即为目标结构的DataFrame：

科目  SID  Pass  Fail Failed_student_ID
0    English    1     2     0                 
1  Mathematics    3     1     1              102
2  Mathematics   33     0     1              101

注意事项 #

• 去重步骤不可省略：如果跳过，统计的是重复行数而非实际学生数，会导致结果错误。
• 自定义聚合函数适用于大型数据集：逻辑清晰且效率稳定，若有多个不及格学生，会自动用逗号拼接ID。

内容的提问来源于stack exchange，提问作者N2M