Import pandas as pd import numpy as np#Подключаем библиотеки



Скачать 17.18 Kb.
Дата05.11.2018
Размер17.18 Kb.

import pandas as pd

import numpy as np#Подключаем библиотеки

student_of_places1=5

student_of_places2=17

student_of_places3=12#Изначально задаем кол-во бюджетных мест

from pandas import read_csv#Указываем что файлы csv формата

df=read_csv(r'C:\Pandas\astr.csv')

df1=read_csv(r'C:\Pandas\bi.csv')

df2=read_csv(r'C:\Pandas\ek.csv')

df3=read_csv(r'C:\Pandas\fiz.csv')

df4=read_csv(r'C:\Pandas\fmath.csv')

df5=read_csv(r'C:\Pandas\fmech.csv')

df6=read_csv(r'C:\Pandas\iof.csv')

df7=read_csv(r'C:\Pandas\emm.csv')

df8=read_csv(r'C:\Pandas\em_ap.csv')

df9=read_csv(r'C:\Pandas\ch_fiz.csv') #Считываем файлы с указанием полного пути

def func_append(df1,df2,df3,df4,df5,df6,df7,df8,df9):

global df_allTables

df_allTables=df

df_allTables=df_allTables.append(df1)

df_allTables=df_allTables.append(df2)

df_allTables=df_allTables.append(df3)

df_allTables=df_allTables.append(df4)

df_allTables=df_allTables.append(df5)

df_allTables=df_allTables.append(df6)

df_allTables=df_allTables.append(df7)

df_allTables=df_allTables.append(df8)

df_allTables=df_allTables.append(df9)# Идет объединение таблиц в одну таблицу

return df_allTables

def have_original_and_prohod(df_allTables):

global df_prohod

df_allTables.loc[df_allTables['primechanie']=='Пройдёт,','primechanie']='Проходит'# Меняем все значения в столбце таблицы "primechanie" "Пройдет" на" Проходит"

df_prohod=df_allTables[(df_allTables['original']=='Да')&(df_allTables['primechanie']=='Проходит')] # Оставляем только абитуриентов у которых есть оригинал документов и они проходят

return df_prohod

def prioritet_of_student1(df_prohod):

global df_prioritet_new1

df_prioritet1=df_prohod[df_prohod.prioritet==1]# Распределяем абитуриентов по направлению

df_prioritet_new1=df_prioritet1.sort_values(['summ','ege_1','ege_2','ege_3'],ascending=[False, False, False, False])# Делаем таблицу в порядке убывания по столбцу 'summ' и сравниваем при равенстве суммы баллов отдельные предметы в приоритетном порядке

df_prioritet_new1=df_prioritet_new1.reset_index(drop=True)# Сбрасываем индексы и делаем их в порядке возрастая

return df_prioritet_new1

def prioritet_of_student2(df_prohod):

global df_prioritet_new2

df_prioritet2=df_prohod[df_prohod.prioritet==2] # Распределяем абитуриентов по направлению

df_prioritet_new2=df_prioritet2.sort_values(['summ','ege_1','ege_2','ege_3'],ascending=[False, False, False, False])# Делаем таблицу в порядке убывания по столбцу 'summ' и сравниваем при равенстве суммы баллов отдельные предметы в приоритетном порядке

df_prioritet_new2=df_prioritet_new2.reset_index(drop=True)# Сбрасываем индексы и делаем их в порядке возрастая

return df_prioritet_new2

def prioritet_of_student3(df_prohod):

global df_prioritet_new3

df_prioritet3=df_prohod[df_prohod.prioritet==3] # Распределяем абитуриентов по направлению

df_prioritet_new3=df_prioritet3.sort_values(['summ','ege_1','ege_2','ege_3'],ascending=[False, False, False, False])# Делаем таблицу в порядке убывания по столбцу 'summ' и сравниваем при равенстве суммы баллов отдельные предметы в приоритетном порядке



df_prioritet_new3=df_prioritet_new3.reset_index(drop=True)# Сбрасываем индексы и делаем их в порядке возрастая

return df_prioritet_new3

Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©dogmon.org 2017
обратиться к администрации

    Главная страница