如何使用Pandas筛选出至少两门运动成绩≥4分的学生数据集

嗨，我来帮你搞定这个问题！你目前的代码能筛选出至少一门成绩达标（≥4）的学生，但要实现至少两门的筛选，核心思路其实是统计每个学生达标的科目数量，再留下数量符合要求的记录就行，具体做法如下：

完整解决方案代码 #

import numpy as np
import pandas as pd

# 原始学生成绩数据
Students = {
  "Names": ["Tom", "Rick", "Sally","Sarah"],
  "Football": [4, 5, 2,1],
  "Basketball": [4, 2, 4,2],
  "Volleyball": [6, 1, 6,1],
  "Foosball": [4, 3, 4,3],
}
df = pd.DataFrame(Students)

# 1. 提取所有运动成绩列（排除姓名列）
sports_columns = df.columns.drop("Names")

# 2. 统计每个学生达标（≥4）的科目数量
# 先生成布尔矩阵：每个成绩是否达标
pass_mask = df[sports_columns] >= 4
# 按行求和，得到每个学生的达标科目数（True=1，False=0）
pass_subject_count = pass_mask.sum(axis=1)

# 3. 筛选出达标科目数≥2的学生
passed_students = df[pass_subject_count >= 2]

print(passed_students)

运行结果 #

Names  Football  Basketball  Volleyball  Foosball
0     Tom         4           4           6         4
2   Sally         2           4           6         4

步骤解释 #

• 提取运动列：用df.columns.drop("Names")自动获取所有成绩列，哪怕以后新增运动科目，代码也不用手动修改列名，非常灵活；
• 统计达标数量：通过布尔矩阵求和的方式，快速计算每个学生有多少门成绩达标，这种方法比手动写多个逻辑条件简洁太多；
• 筛选符合条件的学生：最后只保留达标科目数≥2的记录，就得到了你想要的passed_students数据集。

对比你原来的代码，原来用|逻辑或只要有一门达标就会被选中，而这个方法通过统计数量精准控制了达标科目的最低要求，完全满足你的需求~

备注：内容来源于stack exchange，提问作者Tim Peyer