使用多个条件迭代数据帧的正确方法

Question

我有一个足球比赛数据集作为 Pandas 数据框，格式如下：

    Home            Away             Result     HG  AG
0   Liverpool       Norwich City     Liverpool  4   1
1   West Ham        Man City         Man City   0   5
2   AFC Bournemouth Sheffield United Draw       1   1
3   Burnley         Southampton      Burnley    3   0
4   Crystal Palace  Everton          Draw       0   0

我想在列表字典中按团队跟踪结果：
{'Liverpool': [W,W, ... ,W], 'West Ham': [W, D, L, ... ], ... } 等。

我的方法自然是用条件遍历所有行（下面是伪代码）：

if df.Result == 'Draw':
    dict[df[Home]].append('D')
    dict[df[Away]].append('D')
elif df.Home == df.Result:
    dict[df[Home]].append('W')
    dict[df[Away]].append('L')
else:
    dict[df[Home]].append('L')
    dict[df[Away]].append('W')

我相信我可以使用df.iterrows() 做到这一点，但我知道这不是 Pandas 所希望的一般方法。有没有办法在利用 Pandas DataFrames 的强大功能的同时进行这种操作？我已经看到 df.Home == df.Result 返回一系列 True/False 值，但我不知道如何利用它或将其扩展到上述多个条件。

我还看到了 this answer 中的 np.where 和 np.select，但我不认为它适用于我想根据每行条件的结果做某事的情况，使用行中的条目作为键。

感觉好像迭代是这里唯一的解决方案，我确信 Pandas 会支持这样的东西，但我不知道如何搜索它。

Answer 1

这是一种使用DataFrame.melt、numpy.select 和DataFrame.groupby 与list 聚合的方法。

注意我在您的示例数据中添加了“利物浦”和“诺维奇城”之间的重新匹配，以显示输出应该如何看待一个团队多次出现的位置：

#Setup
df = pd.DataFrame({'Home': ['Liverpool', 'West Ham', 'AFC Bournemouth', 'Burnley', 'Crystal Palace', 'Norwich City'], 'Away': ['Norwich City', 'Man City', 'Sheffield United', 'Southampton', 'Everton', 'Liverpool'], 'Result': ['Liverpool', 'Man City', 'Draw', 'Burnley', 'Draw', 'Norwich City'], 'HG': [4, 0, 1, 3, 0, 4], 'AG': [1, 5, 1, 0, 0, 1]})

# Restructure the DataFrame into a long-form with "Melt"
df_melted = (df.reset_index()
             .melt(id_vars=['Result', 'index'],
                   value_vars=['Home', 'Away'])
             .sort_values('index')) # This maintains the match order of original df

# Use numpy.select to create your conditions and choices ('W', 'L' or 'D')
df_melted['outcome'] = np.select(
    condlist=[df_melted['Result'] == 'Draw',
              df_melted['Result'] == df_melted['value'],
              df_melted['Result'] != df_melted['value']],
    choicelist=['D', 'W', 'L'])


# Groupby team agg with list and return output as dict
df_melted.groupby('value', sort=False)['outcome'].apply(list).to_dict()

[出]

{'Liverpool': ['W', 'L'],
 'Norwich City': ['L', 'W'],
 'West Ham': ['L'],
 'Man City': ['W'],
 'AFC Bournemouth': ['D'],
 'Sheffield United': ['D'],
 'Burnley': ['W'],
 'Southampton': ['L'],
 'Crystal Palace': ['D'],
 'Everton': ['D']}

Answer 2

您自然可以得到每个团队的公式，如下所示：

team_list = list(set(list(df.Home)+list(df.Away)))

d = {i:list(df.loc[(df.Home==i)|(df.Away==i),'Result'].map({i:'W','Draw':'D'}).fillna('L')) 
     for i in team_list}

基本上，对于每个唯一的团队名称，我们会获取他们参与的游戏的数据框，然后获取结果列并使用 map 将他们的名称变成 W 并绘制成 D - 其他任何东西都变成 nan 所以我们使用fillna 将它们变成L，然后使用list()。

出来：

{'West Ham': ['L'],
 'Man City': ['W'],
 'Everton': ['D'],
 'Burnley': ['W'],
 'AFC Bournemouth': ['D'],
 'Liverpool': ['W'],
 'Norwich City': ['L'],
 'Southampton': ['L'],
 'Sheffield United': ['D'],
 'Crystal Palace': ['D']}

定时器编辑：

在长度为 1,000,000 的随机 Home/Away/Result 数据集上进行测试，此解决方案似乎比 Chris A. 慢约 10%：

%timeit d1(df) #d1 is Chris A.'s method
1.88 s ± 19.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit d2(df) #d2 is my dict comprehension
2.14 s ± 9.24 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)