python - 比较 ID 的相同列行并将行减少为所需的输出

Question

我有这样一个数据框

<表类="s-表"><头>学号主题SID结果<正文>101英语1通过101英语1通过101数学3通过101数学3通过101数学33失败101数学33失败102英语1通过102英语1通过102数学3失败102数学3失败

我想要这样的输出

<表类="s-表"><头>主题SID通过失败失败_student_ID<正文>英语120数学311102数学3301101

我有一个大型数据集，想要获取有关受试者和受试者 ID 的结果，以了解有多少人通过和未通过。

如何用python写得到这种数据框？

Answer 1

您可以使用 pivot_table使用 len 的 aggfunc 获取 Pass、Fail 和 reset_index

的计数

df = df.drop_duplicates(ignore_index=True)
df = (df.drop('Student ID', axis=1).
    pivot_table(index=['Subject', 'SID'],
               columns='Result',
               aggfunc=len,
               fill_value=0).
    rename_axis('', axis=1).
    reset_index()
     )
df['Total Students'] = df['Pass'] + df['Fail']

打印(df):

       Subject  SID  Fail  Pass  Total Students
0      English    1     0     2               2
1  Mathematics    3     1     1               2
2  Mathematics   33     1     0               1

失败的学生证:

如果您需要失败的学生 ID，您需要做更多的事情 - 使用 list aggfunc 在数据透视表中包含“学生 ID”，并对列进行一些重新排列:

df = (df.
    pivot_table(index=['Subject', 'SID'],
               columns=['Result'],
               values=['Student ID'],
               aggfunc={'Result':len,'Student ID':list},
               fill_value=0)
     )
df.columns = df.columns.to_flat_index()
df = df.drop(('Student ID', 'Pass'),axis=1)
df.columns = ['Fail', 'Pass', 'Failed_Student_ID']
df = df.reset_index()

打印(df):

       Subject  SID  Fail  Pass Failed_Student_ID
0      English    1     0     2                 0
1  Mathematics    3     1     1             [102]
2  Mathematics   33     1     0             [101]