根据来自另一个数据框的计数将列添加到数据框

Question

我有一个数据框 ranksdf，其中包含 player names、dates 以及每个日期的 ranking。日期列是经过解析的 datetime 对象（可能与以后的日期比较有关）：

player      date        ranking
A           20120601    1
B           20120601    2
C           20120601    3
A           20130601    1
B           20130601    2
C           20130601    3

我想做的是添加一个新列，统计每个玩家的 tournament wins 直到那个日期。有关锦标赛获胜的信息来自另一个名为 matchesdf:

的数据框

t_name  t_date      w_name      round
X       20120101    A           F   
X       20120101    A           SF          
Y       20120201    B           F
Y       20120201    B           SF
Z       20130101    A           F

t_name = 锦标赛名称
t_date = 比赛日期
w_name = 获胜者姓名
round = 锦标赛的回合。 F = 决赛，SF = 半决赛

从第二个数据帧我知道什么时候一个特定的玩家通过计算回合等于[的行在给定时间赢得了比赛F.

所以我想做的是在 ranksdf 中添加一个新列来计算锦标赛的获胜次数，但仅限于 ranksdf.date。

在伪代码中是这样的：ranksdf['t_wins'] = ranksdf.apply(lambda x: matchesdf[(matchesdf['t_date'] < x['date']) & (matchesdf['w_name'] == x['player']) & (matchesdf['round'] == 'F')].count())

因此，在 matchesdf 中查找信息的限制是时间（因为我只想知道 matchesdf 中排名前的获胜次数=13=]），显然 选手姓名，以及回合（因为锦标赛的胜利是由赢得决赛来定义的）。

结果应如下所示：

player      date        ranking     t_wins
A           20120601    1           1
B           20120601    2           1
C           20120601    3           0
A           20130601    1           2
B           20130601    2           1
C           20130601    3           0

谢谢你帮助我。

Answer 1

只需将 axis = 1 添加到您的应用函数中，它就会起作用：

ranksdf["t_wins"]  = ranksdf.apply(lambda x: len(matchesdf[(matchesdf['t_date'] < x['date']) & (matchesdf['w_name'] == x['player']) & (matchesdf['round'] == 'F')]), axis =1)

根据来自另一个数据框的计数将列添加到数据框

adding column to dataframe based on count from another dataframe

python

pandas

lookup