pandas 根据历史高考一分一段推断当前位次的分数

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

每年各省都会公布高考「一分一段」表，它是是以「一分」为单位，统计考得该分数的考生人数和累计人数，每一个分数段上有多少人一目了然。考生通过分数分布表可以查询到相关成绩在全市的排名位次，方便对自己进行定位。本例中，我们将通过一个过往年份的「一分一段」表，来推断出当前位次在历史表中的分数。

数据与需求

我们来看看数据（部分数据）：

import pandas as pd
from io import StringIO

data1 = '''
分数,位次
696,46
695,56
694,65
693,77
692,87
691,95
690,109
689,120
688,136
687,156
686,173
685,206
684,230
683,253
682,286
681,310
680,344
679,383
678,419
677,450
676,501
675,551
674,607
'''

df_old = pd.read_csv(StringIO(data1))
df_old
# ...


data2 = '''
位次
61
519
75
100
'''

df = pd.read_csv(StringIO(data2))
df
# ...

这里有有两张表：

历史表：高考分数及分数对应的位次，位次是上一个分数和下一个分数人数的排名区间
当前表：只有排名位次，想看看在历史表中这个位次是多少分

所以，需求是：

在当前表里增加一列表示位次对应的历史成绩

思路

这个需求中，假定我们对所有的考试同学从 1 到 n 进行编号，历史表 df_old 的位次，其实是一个排名区间，这个编号区间的同学所考的分数都是这个分数，代表着这个分数从多少到多少人。

可以用 pandas 的 pd.Interval 对象来表达这个区间。在当前表 df 中计算时，我个看位次是否在这个区间时，如果在此区间内则取对应的分数。

代码

先将历史表位次转为对应的区间对象，形成一个映射表：

rng_map = (
    # 增加辅助列，前一同学编号
    df_old.assign(pre=df_old.位次.shift().add(1).fillna(1))
    .set_index('分数')
    # 转为区间对象
    .apply(lambda x: pd.Interval(x.pre, x.位次, closed='both'), axis=1)
)

rng_map.head()
'''
分数
696     [1.0, 46.0]
695    [47.0, 56.0]
694    [57.0, 65.0]
693    [66.0, 77.0]
692    [78.0, 87.0]
dtype: interval
'''

然后编写一个函数供 df 当前表的位次来调用：

def func(val: int):
    selected = [(val in i) for i in rng_map]
    foo = df_old[selected].分数.squeeze()
    return foo

selected 为一个布尔序列，为 True 的表示在区间里，用其筛选历史表，得到了所在区间的一行数据，再用 squeeze() 降维转为标量返回。

调用函数来增加新列：

df.assign(历史分数=df.位次.map(func))
'''
    位次  历史分数
0   61   694
1  519   675
2   75   693
3  100   690
'''

其他方法

可以通过当前位次与历史位次查询的方法，取到最小的第一个分数值的方法。

# 指定位次小于等于历史位次，并取第一个
df_old[61 <= df_old.位次].head(1)
'''
    分数  位次
2  694  65
'''

# 取标量
df_old[61 <= df_old.位次].head(1).分数.squeeze()
# 694

# 转为匿名函数调用
df.assign(历史分数=df.位次.map(lambda x: df_old[x <= df_old.位次]
                         .head(1).分数.squeeze()
                        )
         )
# ...

这样，我们就完成了需求。

（完）

pandas 根据历史高考一分一段推断当前位次的分数

数据与需求

思路

代码

其他方法

相关内容