评委打分例子更优雅的写法

【注：本文所提资源来自GitHub的Joyful-Pandas项目，一个pandas的中文学习项目，可自行前往获取完整资料】

开始正题：

某比赛有1000名选手，300位评委打分，每个选手由三个不同的评委打分，每位评委打10位选手的分。
现在需要将各个评委的编号转到列索引，行索引不变，表格内容为打分分数，缺失值（即选手i没有被评委j打分）用’-'填充。

数据源：

原作者给出了三种写法：

【方法一】思维量较大，有技巧性，对Pandas依赖较少¶，耗时0.468秒。

t0 = time.perf_counter()
############################################################################################
L, k = [], 1
for i in range(301):
    judge = 'Judge_%d' % i
    result = df[(df.iloc[:, 0::2] == judge).any(1)]
    L_temp = (result.iloc[:, 0::2] == judge).values * result.iloc[:,
                                                                  1::2].values

    L.append(list(zip(result.index.tolist(), list(L_temp.max(axis=1)))))
L.pop(0)

df_result = pd.DataFrame([['-'] * 1000] * 300,
                         index=['Judge_%d' % i for i in range(1, 301)],
                         columns=['%d' % i for i in range(1, 1001)])
for i in L:
    for j in i:
        df_result.at['Judge_%d' % k, '%d' % j[0]] = j[1]
    k += 1
# ############################################################################################
t1 = time.perf_counter()
print('时间为：%.3f' % (t1 - t0))
df_result.T.head()

【方法二】思路简单，但运行时间较长¶，耗时15s。

t0=time.perf_counter()
############################################################################################
judge = np.array([[df.iloc[:,0:2].values],[df.iloc[:,2:4].values],[df.iloc[:,4:6].values]]).reshape(6000)[0::2]
score = np.array([[df.iloc[:,0:2].values],[df.iloc[:,2:4].values],[df.iloc[:,4:6].values]]).reshape(6000)[1::2]
df_result = pd.DataFrame({'judge':judge,'score':score}
                         ,index=np.array([range(1,1001)]*3).reshape(3000)).reset_index()
df_result = pd.crosstab(index=df_result['index'],columns=df_result['judge'],values=df_result['score']
                     ,aggfunc=np.sum).fillna('-').T.reindex(['Judge_%d'%i for i in range(1,301)]).T
############################################################################################
t1=time.perf_counter()
print('时间为：%.3f'%(t1-t0))
df_result.head()

【方法三】基本与方法二类似，但借助pivot函数大幅提高速度¶，耗时0.053s。

t0=time.perf_counter()
############################################################################################
judge = np.array([[df.iloc[:,0:2].values],[df.iloc[:,2:4].values],[df.iloc[:,4:6].values]]).reshape(6000)[0::2]
score = np.array([[df.iloc[:,0:2].values],[df.iloc[:,2:4].values],[df.iloc[:,4:6].values]]).reshape(6000)[1::2]
df_result = pd.DataFrame({'judge':judge,'score':score}
                         ,index=np.array([range(1,1001)]*3).reshape(3000)).reset_index()
df_result = df_result.pivot(index='index',columns='judge'
                    ,values='score').T.reindex(['Judge_%d'%i for i in range(1,301)]).T.fillna('-')
############################################################################################
t1=time.perf_counter()
print('时间为：%.3f'%(t1-t0))
df_result

从上面的方法来说，明显第三种方法更快，各种思路和操作也确实更能锻炼解题能力，但我觉得写法中太多的切片、取值、转换，看着头大，可读性不高。作为一个Pythoner，明显不够优雅，下面是我的写法，比较简洁明了，供大伙参考：

【方法一】耗时0.24秒，简洁的代码省下来很多敲码时间，且更具可读性。

# 构建空白的df, 设定index和columns
ans_one = pd.DataFrame(index=range(1, 1001),
                       columns=["Judge_%d" % i for i in range(1, 301)])
# 按行向量化计算，并对ans_one的相应位置进行对应的赋值
for idx, row in df.iterrows():
    ans_one.loc[idx, row[0]] = row[1]
    ans_one.loc[idx, row[2]] = row[3]
    ans_one.loc[idx, row[4]] = row[5]
# 空值填充
ans_one = ans_one.fillna('-')
ans_one

【方法二】没有上面的方法那么简洁，好在逻辑简单清晰，可读性高，小白一眼看下去也能知道在干嘛，运行速度也更快，只用0.127s。

l1, l2, l3 = df['评委一'].to_list(), df['评委二'].to_list(), df['评委三'].to_list()
# 取唯一值
judge_list = list(set(l1 + l2 + l3))
# 构建字典，作为后续DataFrame的data
judge_dict = {key: [] for key in judge_list}

# 按行向量化计算
for idx, row in df.iterrows():
    judge_dict[row[0]].append(row[1])
    judge_dict[row[2]].append(row[3])
    judge_dict[row[4]].append(row[5])
	# 不在该行中的键的值赋值为'-'
    exclude_key = [row[0], row[2], row[4]]
    for key in judge_dict:
        if key not in exclude_key:
            judge_dict[key].append('-')
            
# 构建结果的DataFrame
ans_two = pd.DataFrame(judge_dict, index=df.index)
# 对列名进行排序
col = sorted(ans_two.columns.to_list(), key=lambda x: int(x.split('_')[1]))
ans_two = ans_two[col]
ans_two

本文结束，Bye~