You need to enable JavaScript to run this app. Pandas如何将非数值型成绩映射为数值并求和生成新列
优惠活动
大模型
产品
解决方案
定价
更多

Pandas如何将非数值型成绩映射为数值并求和生成新列

Pandas 实现成绩求和的具体方案

构造原始数据

先复现和描述完全一致的初始DataFrame结构:

import pandas as pd

df = pd.DataFrame({
    "Student": ["Joe", "Mark", "Ian"],
    "Age": [23, 22, 24],
    "Grades": ["A B C", "B B C", "A B A"]
})

定义映射规则

建立字母成绩到对应数值的映射字典,匹配A=1、B=2、C=3的转换要求:

grade_map = {"A": 1, "B": 2, "C": 3}

计算并写入求和结果

逐行处理Grades列:将空格分隔的字符串拆分为单个成绩字母,逐个匹配映射值后累加,结果存入新增的Sum列:

df["Sum"] = df["Grades"].apply(
    lambda s: sum(grade_map[char] for char in s.split())
)

最终输出效果

运行完成后,DataFrame的内容完全匹配预期:

StudentAgeGradesSum
Joe23A B C6
Mark22B B C7
Ian24A B A4

大数据量场景的优化实现

如果处理的是十万行以上的大表,逐行apply的效率较低,可替换为向量化运算写法,运行速度会大幅提升:

# 把Grades列按空格拆分为独立的单成绩列
split_cols = df["Grades"].str.split(expand=True)
# 批量完成映射转换后按行求和,写入Sum列
df["Sum"] = split_cols.replace(grade_map).sum(axis=1)

两种实现的输出结果完全一致,可根据实际数据规模选择使用。

内容的提问来源于stack exchange,提问作者botafogo

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.08 12:54:02