Pandas實例 - 怎樣計算每個學生成績最相似的10個學生

本文來自粉絲的一個需求，怎樣計算每個學生成績相近的10個學生？

需求

他的Excel表格是這個樣子：

包含每個學生的姓名，以及多個科目的成績。

怎么用Pandas實現(xiàn)呢？

解題思路

Pandas解題思路：

1、使用笛卡爾積的方式，得到 每個學生 和 另外所有學生的 關(guān)聯(lián)行

每個學生都要與其他所有行進行交叉關(guān)聯(lián)，比如有100個學生，那應該得到100*100 = 1W行結(jié)果

2、對于關(guān)聯(lián)行，使用df.apply(function)的方法，計算兩兩相似度；

本步驟是為了計算每個學生和其他學生的 相似度

3、使用groupby + top n的方式，計算每個學生成績最相近的10個學生

步驟0：讀取數(shù)據(jù)

大家注意，這里的原始數(shù)據(jù)是60行；

步驟1：實現(xiàn)笛卡爾積

即實現(xiàn)每個學生與其他所有學生的關(guān)聯(lián)。這里的技巧，是先添加一個一模一樣的數(shù)字列，用此作為關(guān)聯(lián)列進行merge即可

我們看到，這里的結(jié)果行數(shù)是3600，也就實現(xiàn)了60個學生的兩兩交叉。

步驟2：實現(xiàn)每個學生的相似度計算

大家注意這里的用法，df.apply，可以按行回調(diào)一個函數(shù)進行處理

這里我多加了一步，把每個學生自己和自己關(guān)聯(lián)的行去掉。

步驟3：計算每個學生最相近的10個學生

其實就是實現(xiàn)group by + top n的效果

看下結(jié)果Excel文件

結(jié)果有3列，每個學生，以及他最相似的學生列表以及相似度值

視頻講解