Pandas 计数组
Pandas count over groups
我有一个 pandas 数据框，如下所示：
ID round player1 player2
1 1 A B
1 2 A C
1 3 B D
2 1 B C
2 2 C D
2 3 C E
3 1 B C
3 2 C D
3 3 C A
数据框包含体育比赛结果，其中 ID 列表示一场比赛，round 列表示每场比赛的轮次，player1 和 player2列包含在各自的 round.
中互相对抗的玩家的名字
我现在想累计参加锦标赛的次数，比方说，玩家 A。在伪代码中，这意味着：如果姓名为 A 的玩家在每次锦标赛 ID 中出现在 player1 或 player2 列中，则将计数器加 1。
结果应如下所示（注意：在我的示例中，玩家 A 确实以 IDs 1 和 3 参加了锦标赛）：
ID round player1 player2 playerAparticipated
1 1 A B 1
1 2 A C 1
1 3 B D 1
2 1 B C 0
2 2 C D 0
2 3 C E 0
3 1 B C 2
3 2 C D 2
3 3 C A 2
我目前的状态是，我添加了一个包含值 1 或 0 的 "helper" 列，表示如果相应玩家参加了比赛：
ID round player1 player2 helper
1 1 A B 1
1 2 A C 1
1 3 B D 1
2 1 B C 0
2 2 C D 0
2 3 C E 0
3 1 B C 1
3 2 C D 1
3 3 C A 1
我认为我只需要最后一步，例如巧妙地使用 cumsum() 以所需方式计算 helper 列。但是，我还没有想出解决办法。
我认为你需要：
drop_duplicates by column ID first and then set_index- 通过
boolean indexing, cumsum and last reindex 筛选出 0 个值，以添加 0 以弥补缺失的索引值
- 新专栏由
map 创建
df1 = df.drop_duplicates('ID').set_index('ID')
s = df1.loc[df1['helper'] != 0, 'helper'].cumsum().reindex(index=df1.index, fill_value=0)
df['playerAparticipated'] = df['ID'].map(s)
print (df)
ID round player1 player2 helper playerAparticipated
0 1 1 A B 1 1
1 1 2 A C 1 1
2 1 3 B D 1 1
3 2 1 B C 0 0
4 2 2 C D 0 0
5 2 3 C E 0 0
6 3 1 B C 1 2
7 3 2 C D 1 2
8 3 3 C A 1 2
而不是 map 可以使用 join 和 rename:
df = df.join(s.rename('playerAparticipated'), on='ID')
print (df)
ID round player1 player2 helper playerAparticipated
0 1 1 A B 1 1
1 1 2 A C 1 1
2 1 3 B D 1 1
3 2 1 B C 0 0
4 2 2 C D 0 0
5 2 3 C E 0 0
6 3 1 B C 1 2
7 3 2 C D 1 2
8 3 3 C A 1 2
与@jezrael 类似的方法，我做的有点慢:)。
首先，将 ID 移动到您的索引中：
df = df.reset_index().set_index(['index','ID'])
# round player1 player2 helper
# index ID
# 0 1 1 A B 1
# 1 1 2 A C 1
# 2 1 3 B D 1
# 3 2 1 B C 0
# 4 2 2 C D 0
# 5 2 3 C E 0
# 6 3 1 B C 1
# 7 3 2 C D 1
# 8 3 3 C A 1
接下来，过滤掉helper为0的行，得到锦标赛累计总和ID，并将结果赋值给一个变量：
tournament_count = df[df['helper'] > 0].groupby(['ID','helper']).first().reset_index(level=1)['helper'].cumsum().rename("playerAparticipated")
# ID
# 1 1
# 3 2
最后，用 df:
加入 tournament_count DataFrame
df.join(tournament_counts, how="left").fillna(0)
# round player1 player2 helper tournament_counts
# index ID
# 0 1 1 A B 1 1.0
# 1 1 2 A C 1 1.0
# 2 1 3 B D 1 1.0
# 3 2 1 B C 0 0.0
# 4 2 2 C D 0 0.0
# 5 2 3 C E 0 0.0
# 6 3 1 B C 1 2.0
# 7 3 2 C D 1 2.0
# 8 3 3 C A 1 2.0
我有一个 pandas 数据框，如下所示：
ID round player1 player2
1 1 A B
1 2 A C
1 3 B D
2 1 B C
2 2 C D
2 3 C E
3 1 B C
3 2 C D
3 3 C A
数据框包含体育比赛结果，其中 ID 列表示一场比赛，round 列表示每场比赛的轮次，player1 和 player2列包含在各自的 round.
我现在想累计参加锦标赛的次数，比方说，玩家 A。在伪代码中，这意味着：如果姓名为 A 的玩家在每次锦标赛 ID 中出现在 player1 或 player2 列中，则将计数器加 1。
结果应如下所示（注意：在我的示例中，玩家 A 确实以 IDs 1 和 3 参加了锦标赛）：
ID round player1 player2 playerAparticipated
1 1 A B 1
1 2 A C 1
1 3 B D 1
2 1 B C 0
2 2 C D 0
2 3 C E 0
3 1 B C 2
3 2 C D 2
3 3 C A 2
我目前的状态是，我添加了一个包含值 1 或 0 的 "helper" 列，表示如果相应玩家参加了比赛：
ID round player1 player2 helper
1 1 A B 1
1 2 A C 1
1 3 B D 1
2 1 B C 0
2 2 C D 0
2 3 C E 0
3 1 B C 1
3 2 C D 1
3 3 C A 1
我认为我只需要最后一步，例如巧妙地使用 cumsum() 以所需方式计算 helper 列。但是，我还没有想出解决办法。
我认为你需要：
drop_duplicatesby columnIDfirst and thenset_index- 通过
boolean indexing,cumsumand lastreindex筛选出0个值，以添加0以弥补缺失的索引值 - 新专栏由
map 创建
df1 = df.drop_duplicates('ID').set_index('ID')
s = df1.loc[df1['helper'] != 0, 'helper'].cumsum().reindex(index=df1.index, fill_value=0)
df['playerAparticipated'] = df['ID'].map(s)
print (df)
ID round player1 player2 helper playerAparticipated
0 1 1 A B 1 1
1 1 2 A C 1 1
2 1 3 B D 1 1
3 2 1 B C 0 0
4 2 2 C D 0 0
5 2 3 C E 0 0
6 3 1 B C 1 2
7 3 2 C D 1 2
8 3 3 C A 1 2
而不是 map 可以使用 join 和 rename:
df = df.join(s.rename('playerAparticipated'), on='ID')
print (df)
ID round player1 player2 helper playerAparticipated
0 1 1 A B 1 1
1 1 2 A C 1 1
2 1 3 B D 1 1
3 2 1 B C 0 0
4 2 2 C D 0 0
5 2 3 C E 0 0
6 3 1 B C 1 2
7 3 2 C D 1 2
8 3 3 C A 1 2
与@jezrael 类似的方法，我做的有点慢:)。
首先，将 ID 移动到您的索引中：
df = df.reset_index().set_index(['index','ID'])
# round player1 player2 helper
# index ID
# 0 1 1 A B 1
# 1 1 2 A C 1
# 2 1 3 B D 1
# 3 2 1 B C 0
# 4 2 2 C D 0
# 5 2 3 C E 0
# 6 3 1 B C 1
# 7 3 2 C D 1
# 8 3 3 C A 1
接下来，过滤掉helper为0的行，得到锦标赛累计总和ID，并将结果赋值给一个变量：
tournament_count = df[df['helper'] > 0].groupby(['ID','helper']).first().reset_index(level=1)['helper'].cumsum().rename("playerAparticipated")
# ID
# 1 1
# 3 2
最后，用 df:
加入tournament_count DataFrame
df.join(tournament_counts, how="left").fillna(0)
# round player1 player2 helper tournament_counts
# index ID
# 0 1 1 A B 1 1.0
# 1 1 2 A C 1 1.0
# 2 1 3 B D 1 1.0
# 3 2 1 B C 0 0.0
# 4 2 2 C D 0 0.0
# 5 2 3 C E 0 0.0
# 6 3 1 B C 1 2.0
# 7 3 2 C D 1 2.0
# 8 3 3 C A 1 2.0