Question

＆＃34;奇妙＆＃34;是一个充满感情的词。

假设我有5名学生：A，B，C，D和E.这些学生中的每一个都在写作作业中对两个同学进行评分。数据如下：

peer_review = pd.DataFrame({
    'Student': ['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'D', 'D', 'D', 'D', 'E', 'E'],
    'Assessor': ['B', 'C', 'A', 'D', 'D', 'D', 'B', 'D', 'D', 'D', 'A', 'A', 'A', 'E', 'C', 'E'],
    'Score': [72, 53, 92, 100, 2, 90, 75, 50, 50, 47, 97, 86, 41, 17, 47, 29]})

现在，在某些情况下，评估员不止一次对学生的作业进行评分。也许学生把它翻过来并修改了好几次。也许评估员喝醉了，并且不记得他已经给这个学生的作业评分了。无论如何，我希望能够看到每个评估员给每个学生的所有分数列表。我试着这样做：

peer_review.pivot_table(
    index='Student',
    columns='Assessor',
    values='Score',
    aggfunc=identity)

我已经可以听到你问 - 什么是＆＃34;身份＆＃34;功能？就是这样：

def identity(x):
    return x

但是，当我重复运行pivot_table函数时，每次为具有多个值的单元格提供不同的答案。

所以，问题如下：

当我重复运行pivot_table函数时，似乎随机变化的数字有什么意义？
当评估员多次评估同一作业时，如何修复身份功能以便返回所有分数的简单列表？

------------------更新＃1：------------------

我发现它是一个被传递给身份函数的pandas Series对象。我将身份功能更改为：

def identity(x):
    return x.values

这仍然给了我奇怪的随机数字。意识到x.values是一个numpy.ndarray，然后我尝试了这个：

def identity(x):
    return x.values.tolist()

这会导致ValueError异常。（＆＃34;功能不会减少。＆＃34;）

------------------更新＃2：------------------

ZJS提出的解决方法非常有效。仍然想知道为什么pivot_table让我失望。

Answer 1

每次都会这样......

groups = peer_review.groupby(['Assessor','Student'])  #groups into Assessor,Student combos
peer_review = groups.apply(lambda x:list(x['Score'])) #apply your group function
peer_review  =peer_review.unstack('Student')          #Set student index as the columns

我还在调查为什么pivot_table不起作用

Python Pandas DataFrame pivot_table奇怪的值

1 个答案: