while循环停止在预定的意义上

Question

Python新手！我有一个简单的数据框用于制表测验分数：

df = pd.DataFrame({'Sam':[20,20,20,20,20], 'Jim': [20,20,20,20,15], 
'Stacy': [20,20,20,20,30], 'Leslie': [20,20,20,20,20], 'Jonathan': 
[20,20,20,20,15]})

现在，我想写一些改变每列最高值（从0开始）的东西，直到它对应的平均值等于预定值，然后移到下一列。很容易添加一个新行并手动完成，直到我得到我想要的结果（如下所示）。但是，我正在寻找一些能让程序在iloc领域进行迭代的东西，以获得＆＃39; mean2＆＃39;预定的价值。我想这会需要某种类型的while循环，但无法弄清楚语法。代码下方最终所需结果的屏幕截图。谢谢！

df.loc['mean1'] = df.mean()
df.iloc[0:1,0:5] = 17, 17, 22, 22, 22
df.loc['mean2'] = df.iloc[:5,:].mean()
df

所需最终数据框的屏幕截图。

Answer 1

如果我错了，请纠正我，但如果我重新表述你的问题：
你想要的是为每个特定（列）找到第一个测验得分（df.loc [0]）的值，以确保参与者具有平均目标得分（平均值2）？

如果是这种情况，你可以这样做：

# a function that estimate the quiz value to have for obtaining mean score target
def estimate_replace(quiz_id, mean_target, participant_series):
    data = participant_series.loc[participant_series.index != quiz_id].values
    participant_series['mean1'] = participant_series.mean()
    participant_series['mean2'] = mean_target

    # Here is the key function!
    participant_series.loc[quiz_id] = mean_target*(len(data)+1) - data.sum()
    return participant_series

#mean2 : mean scores target per participant
mean_score_target = {'Jim':18.4,
                     'Jonathan':18.4,
                     'Leslie':20.4,
                     'Sam':20.4,
                     'Stacy':22.4}

#the quiz id to replace, 0 in your case
quiz_id = 0

df = df.apply(lambda x: estimate_replace(quiz_id,mean_score_target[x.name],x))

请注意，此代码适用于任意数量的测验值（行），您可以指定要估算/替换的测验值（quiz_id）。

然后您将获得以下输出：

       Jim     Jonathan Leslie Sam   Stacy
0      17.0      17.0    22.0  22.0   22.0
1      20.0      20.0    20.0  20.0   20.0
2      20.0      20.0    20.0  20.0   20.0
3      20.0      20.0    20.0  20.0   20.0
4      15.0      15.0    20.0  20.0   30.0
mean1  19.0      19.0    20.0  20.0   22.0
mean2  18.4      18.4    20.4  20.4   22.4