python - 编写此代码的高效且简洁的方法 - Pandas

Question

我一直在编写这段代码，它总结了我的数据框中 3 项作业和 1 项测试的分数，并根据分数生成分数(A、B、C、D、F)。

这是我的数据框。

 StudentId, Assignment1, Assignment2, Assignment3, Test
 xxxxxxxx       11           15            7        50
 yyyyyyyy        5           10            2        31

这是我的代码，用于总结分数并生成分数

SumScoreX = []
GradeX = []
for x in xrange(len(df)):
   A1, A2, A3, T1 = df['Assignment1'][x], df['Assignment2'][x],df['Assignment3'][x], df['Test'][x]
    SumScore = np.sum([A1,A2,A3,T1])
    if SumScore < 51:
        Grade = 'F'
    elif SumScore == 50 and SumScore < 60:
        Grade = 'D'
    elif SumScore == 60 and SumScore < 70:
        Grade = 'C'
    elif SumScore == 70 and SumScore < 80:
        Grade = 'B'
    elif SumScore <= 80:
        Grade = 'A'
    SumScoreX.append(np.round(SumScore))
    GradeX.append(Grade)

我的代码看起来很不干净。我觉得应该有更好的方法来编写与此代码具有类似功能的代码。

请给我建议。

谢谢!

Answer 1

假设您有以下 DF:

In [100]: df
Out[100]:
  StudentId  Assignment1  Assignment2  Assignment3  Test
0  xxxxxxxx           11           15            7    50
1  yyyyyyyy            5           10            2    31

首先计算分数:

In [101]: df['score'] = df.filter(regex=r'(?:Assignment\d*|Test)').sum(1)

现在我们可以使用 pd.cut() 对分数进行分类方法:

In [102]: df['grade'] = pd.cut(df.score, bins=[0, 51, 60, 70, 80, 200], labels=list('FDCBA'))

In [103]: df
Out[103]:
  StudentId  Assignment1  Assignment2  Assignment3  Test  score grade
0  xxxxxxxx           11           15            7    50     83     A
1  yyyyyyyy            5           10            2    31     48     F