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:
| Student | Age | Grades | Sum |
|---|---|---|---|
| Joe | 23 | A B C | 6 |
| Mark | 22 | B B C | 7 |
| Ian | 24 | A B A | 4 |
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
相关产品推荐

