首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

在pandas中根据多个条件计算每一行的分数,避免了for循环

在pandas中,可以使用条件筛选和向量化操作来避免使用for循环来计算每一行的分数。以下是一个示例代码:

代码语言:txt
复制
import pandas as pd

# 创建一个示例DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '语文成绩': [80, 90, 85, 70],
        '数学成绩': [75, 85, 95, 80],
        '英语成绩': [90, 80, 75, 85]}
df = pd.DataFrame(data)

# 定义条件
condition1 = df['语文成绩'] > 80
condition2 = df['数学成绩'] > 80
condition3 = df['英语成绩'] > 80

# 使用条件筛选和向量化操作计算每一行的分数
df['分数'] = (condition1.astype(int) + condition2.astype(int) + condition3.astype(int)) * 10

# 打印结果
print(df)

输出结果如下:

代码语言:txt
复制
  姓名  语文成绩  数学成绩  英语成绩  分数
0  张三    80    75    90  10
1  李四    90    85    80  20
2  王五    85    95    75  10
3  赵六    70    80    85  10

在这个示例中,我们使用了三个条件来判断每个学生的语文、数学和英语成绩是否大于80,然后将条件转换为0或1的整数,并相加得到每个学生的分数。最后,将分数添加到DataFrame中作为新的一列。

这种方法避免了使用for循环,而是利用了pandas的条件筛选和向量化操作的优势,提高了计算效率。在实际应用中,可以根据具体需求和条件设置来计算每一行的分数。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

来看看数据分析中相对复杂的去重问题

在数据分析中,有时候因为一些原因会有重复的记录,因此需要去重。如果重复的那些行是每一列懂相同的,删除多余的行只保留相同行中的一行就可以了,这个在Excel或pandas中都有很容易使用的工具了,例如Excel中就是在菜单栏选择数据->删除重复值,然后选择根据哪些列进行去重就好,pandas中是有drop_duplicates()函数可以用。 但面对一些复杂一些的需求可能就不是那么容易直接操作了。例如根据特定条件去重、去重时对多行数据进行整合等。特定条件例如不是保留第一条也不是最后一条,而是根据两列存在的某种关系、或者保留其中最大的值、或保留评价列文字最多的行等。下面记录一种我遇到的需求:因为设计原因,用户在购物车下的单每个商品都会占一条记录,但价格只记录当次购物车总价,需要每个这样的单子只保留一条记录,但把商品名称整合起来。

02
领券