python中的groupby和pandas

Question

我有一个像这样的文件（score.csv）：

我需要在 python 中使用 pandas 和 groupby 解决问题

问题就像我有一个 csv 文件，其中有一个数据，我需要根据某个点进行分组 点是

1. 我想根据系列 ID 对数据进行分组
2. 然后找出最高分和百分比
3. 查找数据最接近 50% 的用户 ID（中间队列） - 与第 2 点的第一个 testid 相比
4. 然后找到这些用户对其余 testids 的评分
5. 然后用排名靠前的分数对分数进行归一化

我们的想法是找出学生在每次测试中的表现。 结构： 测试系列（series_id）-> 有多个测试（test_id）-> 与用户映射（user_id）-> 分数 对于每个series_id，查找第一个测试（即每个series id的最低test_id），以及仅在第一个测试中得分在40-60之间的用户。

（现在将对第 1 点中找到的用户进行其他测试的分析。这意味着我找到了得分约为 50 分的用户，现在我将跟踪他们在其他测试中的旅程。） 从上面选择 users_ids 并找到其他测试的分数。除此之外，还必须在每个测试中找到最高分，以找到该测试中获得的分数/最高分的比率。基本上，我们希望对得分最高者的得分进行标准化，以了解这些用户的旅程。

Answer 1

您可以将 groupby 函数与其他聚合方法连接：

df.groupby('series_id').max('marks_gained')
df.groupby('series_id').mean('marks_gained')

然后您可以找到中位数，并通过与该中位数相等的距离来定义您的 50% 同类群组。

df.groupby('series_id').median('marks_gained')

通常最好以易于重现的格式提供数据，并对您的每个请求完全明确（​​例如，您必须猜测百分比是什么意思 - 分数的百分位数？）