Pandas实例 - 怎样计算每个学生成绩最相似的10个学生

本文来自粉丝的一个需求，怎样计算每个学生成绩相近的10个学生？

需求

他的Excel表格是这个样子：

包含每个学生的姓名，以及多个科目的成绩。

怎么用Pandas实现呢？

解题思路

Pandas解题思路：

1、使用笛卡尔积的方式，得到 每个学生 和 另外所有学生的 关联行

每个学生都要与其他所有行进行交叉关联，比如有100个学生，那应该得到100*100 = 1W行结果

2、对于关联行，使用df.apply(function)的方法，计算两两相似度；

本步骤是为了计算每个学生和其他学生的 相似度

3、使用groupby + top n的方式，计算每个学生成绩最相近的10个学生

步骤0：读取数据

大家注意，这里的原始数据是60行；

步骤1：实现笛卡尔积

即实现每个学生与其他所有学生的关联。这里的技巧，是先添加一个一模一样的数字列，用此作为关联列进行merge即可

我们看到，这里的结果行数是3600，也就实现了60个学生的两两交叉。

步骤2：实现每个学生的相似度计算

大家注意这里的用法，df.apply，可以按行回调一个函数进行处理

这里我多加了一步，把每个学生自己和自己关联的行去掉。

步骤3：计算每个学生最相近的10个学生

其实就是实现group by + top n的效果

看下结果Excel文件

结果有3列，每个学生，以及他最相似的学生列表以及相似度值

视频讲解