如何从不同大小的文件中进行匹配

Question

我有这样一种数据：

course_ID subject_IDS
C242 E434\tT423\tS32
C98 F8\tW109\tU275\tV33

其中每个subject_IDS的course_ID数量不同（可能一个课程有一个，另一个课程有多个）。对于每个subject_IDS，都有一个包含以下内容的文件（这些文件应该包含相同的学生ID）：

student_IDs\tstudent_IDs\thas_this_subject_or_not
124\t124\t2
54\t54\t1
832\t832\t2
99\t99\t1

其中1确定这个student_ID的学生没有那个主题，2则相反

我需要遍历course_ID中的每一个subject_ID，最后有一个文件来确定具有该ID的学生是否在该课程中学习过这些科目（比如先将2转换成0，然后再做OR；因此，最后将是0让这些科目中的任何一个在这门课程中，否则1）

任何帮助都将不胜感激

Answer 1

您可以创建一个pandas数据帧，在其中合并所有文件，然后每行包含：course_ID、subject_ID、student_ID和has_this_subject_or_not。然后将has_this_subject_or_not列转换为您建议的布尔列。现在您可以在course_ID和student_ID上分组：

# simplified data:
data = [[1, 1, 1, 0], [1, 2, 1, 1], [2, 1, 1, 0]]
cols = ['course_ID', 'subject_ID', 'student_ID', 'has_this_subject_or_not']
df_combined = pd.DataFrame(data, columns=cols)
df_combined.groupby(by=['course_ID', 'student_ID']).has_this_subject_or_not.sum() > 0

输出

course_ID  student_ID
1          1              True
2          1             False