时间戳

首页 > 解决方案 > Pandas DataFrame - 添加包含“先前”行的条件总和的列

python - Pandas DataFrame - 添加包含“先前”行的条件总和的列

问题描述

我有一个网球比赛结果数据集，如下所示：

tennis_cols = ['Year','TourNo','MatchNo','Round','Winner','Loser']
tennis_rslts = [ [2018, 1, 1, 'QF', 'PlayerA', 'PlayerB']
                ,[2018, 1, 2, 'QF', 'PlayerC', 'PlayerD']
                ,[2018, 1, 3, 'QF', 'PlayerE', 'PlayerF']
                ,[2018, 1, 4, 'QF', 'PlayerG', 'PlayerH']
                ,[2018, 1, 5, 'SF', 'PlayerA', 'PlayerC']
                ,[2018, 1, 6, 'SF', 'PlayerE', 'PlayerG']
                ,[2018, 1, 7, 'F',  'PlayerA', 'PlayerE'] ]
dfTennis=pd.DataFrame(tennis_rslts,columns=tennis_cols)
dfTennis

    Year    TourNo  MatchNo Round   Winner     Loser    
0   2018    1       1       QF      PlayerA    PlayerB
1   2018    1       2       QF      PlayerC    PlayerD
2   2018    1       3       QF      PlayerE    PlayerF
3   2018    1       4       QF      PlayerG    PlayerH
4   2018    1       5       SF      PlayerA    PlayerC
5   2018    1       6       SF      PlayerE    PlayerG
6   2018    1       7       F       PlayerA    PlayerE

我想添加一列 WinsToDate，其中包含本场比赛的获胜者在当前比赛之前的获胜次数，即：

    Year    TourNo  MatchNo Round   Winner     Loser    WinsToDate  
0   2018    1       1       QF      PlayerA    PlayerB  0
1   2018    1       2       QF      PlayerC    PlayerD  0 
2   2018    1       3       QF      PlayerE    PlayerF  0
3   2018    1       4       QF      PlayerG    PlayerH  0
4   2018    1       5       SF      PlayerA    PlayerC  1  <-- PlayerA won MatchNo 1
5   2018    1       6       SF      PlayerE    PlayerG  1  <-- PlayerE won MatchNo 3
6   2018    1       7       F       PlayerA    PlayerE  2  <-- PlayerA won MatchNo 1 and 5

我的真实世界数据集足够大，以至于遍历数据集太慢了。任何想法如何以有效的方式实现结果？

本质上，我想计算获胜者与正在处理的行匹配并且 MatchNo 小于正在处理的当前行的行数。

** 更新 ** 我可以使用以下方法计算获胜者在 Dataframe 中出现的次数：

dfTennis['Count'] = list(map(lambda x : len(dfTennis[(dfTennis['Winner'] == x)]), dfTennis['Winner']))

但这会计算所有出现而不是当前行之前的所有出现。

标签： pythonpandasdataframe

解决方案

奇怪的是，我要回答我自己的问题。

计算 WinsToDate 列所需的代码是：

dfTennis['WinsToDate'] = list(map(lambda x : len(dfTennis[(dfTennis['Winner'] == dfTennis.iloc[x]['Winner']) & 
                                                          (dfTennis['MatchNo'] < dfTennis.iloc[x]['MatchNo'])]), dfTennis.index.values))

通过将索引值传递给 lambda 函数，这意味着我可以访问 Winner 和 MatchNo 字段中的数据以应用我需要的逻辑。

欢迎听到任何更好的解决方案，但这似乎符合我的需要。

推荐阅读