Pandas DataFrame行间计算 班级考试表现得分计算及排名实现方法

直接计算班级得分与排名 #

用pandas的链式操作即可一步完成计算，无需创建多个中间DataFrame：

import pandas as pd

# 原始数据读入示例，如果你已有df可跳过这部分
data = [
    ['a','First','Bad','t1'],['a','First','Bad','t2'],['a','First','Good','t2'],
    ['b','Second','Bad','t1'],['c','First','Good','t3'],['c','First','Bad','t2'],
    ['d','Third','Bad','t1'],['d','Third','Bad','t4'],['d','Third','Good','t4'],
    ['e','Fourth','Good','t3'],['e','Fourth','Good','t2'],['f','Third','Good','t1'],
    ['g','Fourth','Good','t4'],['g','Fourth','Bad','t3']
]
df = pd.DataFrame(data, columns=['Student','Class','Result','Exam'])

# 核心计算逻辑
class_rank = (
    # 第一步：按学生+班级分组计算个人得分
    df.groupby(['Student', 'Class'], as_index=False)
    .apply(lambda x: (x['Result'] == 'Good').sum() / len(x), include_groups=False)
    .rename(columns={0: 'Score'})
    # 第二步：按班级分组计算班级平均分并生成排名
    .groupby('Class', as_index=False)
    .agg(ClassScore=('Score', 'mean'))
    .sort_values('ClassScore', ascending=False, ignore_index=True)
    .assign(Rank=lambda x: x['ClassScore'].rank(ascending=False, method='min').astype(int))
)

输出结果示例：

保留学生维度的完整结果 #

如果你需要同时保留每个学生的个人得分、对应班级得分和排名，可以用transform方法直接在同一张表中生成字段：

df_full = (
    df.groupby(['Student', 'Class'], as_index=False)
    .apply(lambda x: (x['Result'] == 'Good').sum() / len(x), include_groups=False)
    .rename(columns={0: 'Score'})
    .assign(
        ClassScore = lambda x: x.groupby('Class')['Score'].transform('mean'),
        ClassRank = lambda x: x['ClassScore'].rank(ascending=False, method='min').astype(int)
    )
    .sort_values('ClassRank', ignore_index=True)
)

输出结果和你给出的示例结构一致，同时额外增加了班级排名字段。

可视化展示 #

如果需要更直观的对比班级表现，可以用matplotlib生成柱状图：

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文显示问题
class_rank.plot(kind='bar', x='Class', y='ClassScore', legend=False, color='#3498db')
plt.xticks(rotation=0)
plt.ylabel('班级平均得分')
plt.title('班级考试表现排名')

# 标注每个班级的得分与排名
for idx, row in class_rank.iterrows():
    plt.text(idx, row['ClassScore'] + 0.02, f'得分:{row["ClassScore"]:.3f}\n排名:{row["Rank"]}', ha='center')
plt.ylim(0, 1.15)
plt.show()

内容的提问来源于stack exchange，提问作者johnnydoe