昨天晚上，筆者有幸參加了一場面試，有一個環節就是現場程式設計！題目如下：
  示例資料如下，求每名學生（ID）對應的成績（score）最高的那門科目（class）與ID，用Python實現：

這個題目看上去很簡單，其實，並不簡單。即要求輸出形式如下：

  當然，我們一開始能先到的是利用Pandas中的groupby，按ID做groupby，按score取最大值，可是之後的過程就難辦了，是將得到的結果與原表做join，還是再想其他辦法？
  怎麼辦？答案就是Pandas中groupby的官方文件說明，網址為：http://pandas.pydata.org/pandas-docs/stable/api.html#groupby。

本文將會用到其中的三個函式： idxmax(), idxmin(), rank().
  其實，讓我們來解決一開始提出的問題，Python程式碼如下：

import pandas as pd

df = pd.read_csv("E://score.csv")
new_df = df.groupby("ID")["score"].idxmax()
for i in new_df:
    print(df.iloc[i, :].tolist()[0:2])

分析程式碼，df.groupby(“ID”)[“score”].idxmax()是對原資料按ID做groupby，然後取score列，用idxmax(）取出成績最好的行。然後取出這些行即可。
  當然，上述程式碼存在兩個衍生問題：

1. 每名學生（ID）對應的成績（score）最低的那門科目（class）與ID；
2. 若有學生他的某些科目的成績是一樣的，求每名學生對應的成績最高的那些科目與ID。

  第一個問題，很好解決，在原先的程式碼中，將idxmax()替換為idxmin()即可，輸出的結果如下：

[1, 'C']
[2, 'A']
[3, 'C']
[4, 'A']

  第二個問題，如果有學生他的某些科目的成績是一樣的，如下面的示例資料：

在上面資料中，第1,3名學生的最高成績存在重複。這是，我們需要用到rank()函式，Python程式碼如下:

import pandas as
 
 pd
import numpy as np

df = pd.read_csv("E://score.csv")
df["rank"] = df.groupby("ID")["score"].rank(method="min", ascending=False).astype(np.int64)
#print(df)
print(df[df["rank"] == 1][["ID", "class"]])

輸出結果如下：

    ID class
0    1     A
1    1     B
5    2     C
7    3     B
8    3     C
11   4     C

可以看到，我們得到的df這個資料框添加了一列rank,就是每名學生的科目的成績排名，得到的df如下：

    ID class  score  rank
0    1     A     90     1
1    1     B     90     1
2    1     C     70     3
3    2     A     60     3
4    2     B     80     2
5    2     C    100     1
6    3     A     90     3
7    3     B    100     1
8    3     C    100     1
9    4     A     70     3
10   4     B     80     2
11   4     C     90     1

然後按需要取出資料即可。

  本次分享到此結束，歡迎大家交流~~