編寫此代碼的高效清潔方法-Pandas

Question

我一直在研究此代碼，該代碼對我的數據框的3個作業和1個測試的得分進行匯總，並根據得分生成標記（A，B，C，D，F）。

這是我的數據框。

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

這是我總結分數並生成分數的代碼

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)

我的代碼看起來很臟。 我覺得應該有一個更好的方法來編寫具有與此代碼相似功能的代碼。

請建議我。

謝謝！

Answer 1

假設您具有以下DF：

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

首先計算score ：

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

現在我們可以使用pd.cut（）方法對得分進行分類：

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