020—pandas 根据历史高考分段推断当前位次的分数

前言

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。

思路：

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。

二、使用步骤

1.引入库

代码如下（示例）：

import pandas as pd
from io import StringIO
1
2

2.读入数据

代码如下（示例）：

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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

#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)) # 添加一列pre，表示位次的前一个值
    .set_index('分数')
    .apply(lambda x: pd.Interval(x.pre, x.位次, closed='both'), axis=1) # 将pre和位次列的值转换为区间
)

rng_map.head()
1
2
3
4
5
6
7
8
9

#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] # 判断位次值是否在区间范围内
    foo = df_old[selected].分数.squeeze() # 获取满足条件的分数值
    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))
1
2
3
4
5
6
7
8

# 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
# 转为匿名函数调用，根据位次在df_old中查找对应的分数，并将结果赋给"历史分数"列
df.assign(历史分数=df.位次.map(lambda x: df_old[x <= df_old.位次]
                         .head(1).分数.squeeze()
                        )
         )
1
2
3
4
5
6
7
8

总结

以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。