python - Pandas 计数

Question

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

dataframe 包含运动比赛结果，其中 ID 列表示一场比赛，round 列表示每场比赛的回合，player1 和 player2 列包含在各自的 round 中对战的玩家的名字。

我现在想累计参加锦标赛的次数，比如说，玩家 A。在伪代码中，这意味着:如果名称为 A 的玩家出现在每个锦标赛 ID 的 player1 或 player2 列中>，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 ID 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“助手”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() 以所需方式对 helper 列进行计数。但是，我还没有想出解决方案。

Answer 1

我认为你需要:

• drop_duplicates先按 ID 列，然后按 set_index
• 通过 boolean indexing 过滤掉 0 值, cumsum最后reindex为缺少索引值添加 0
• 新列由 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

map 可以使用 join使用重命名:

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