基于列值的百分比减少

如何解决基于列值的百分比减少

我的数据框如下所示：

question   timeSpent
a          5354
b          2344
c          2555
d          5200
e          3567

我想添加一个额外的列 score，其中包含 0 和 1 之间的值。 timeSpent（以秒表示）越大，score 越接近 0。如果花费的时间较小，则 score 接近 1。

如果 1 小于或等于 timeSpent，则假设值为 2500。然后它每过去 20% 秒下降 100。如果它命中或大于 5500，它会停留在 0。

因此对于2600，得分为0.8，对于2700，得分为0.64 等

我为每个间隔都编写了 if-else 语句，但我认为必须有一种更快的方法来做到这一点。

解决方法

您可以创建一个函数来计算分数并将其应用于每个timeSpent

def get_score(num):
    if num <= 2500: return 1
    if num >= 5500: return 0
    x = 1
    for _ in range((num - 2500) // 100):
        x *= 0.8
    return x

df = pd.DataFrame({'question': [a,b,c,d,e],'timeSpent': [5354,2344,2555,5200,3567]})
df['Score'] = df.timeSpent.apply(lambda x: get_score(x))

输出：

  question  timeSpent     Score
0        a       5354  0.001934
1        b       2344  1.000000
2        c       2555  1.000000
3        d       5200  0.002418
4        e       3567  0.107374