python - Pandas 的条件排名

Question

假设您有多个 Pandas 数据框，其中包含运动队一个赛季的逐场比赛数据。我碰巧有一个赛季中所有 NHL 比赛的数据，每个球队都是单独的。对于一个团队来说，它的数据框如下所示:

# An example of a NHL team's data frame (the data are made up):

             Goals for   Goals against    Opponent   O/S   Place  Points  Games played
Date        
2015-12-1            3               2     ANAHEIM    OT    Home      15            12
2015-12-3            1               5     CHICAGO   NaN   Visit      15            13
2015-12-5            3               4    MONTREAL    SO    Home      16            14
2015-12-8            1               0      DALLAS   NaN    Home      18            15
...

确定球队每日排名的最有效方法是什么？为了简单起见，我们只考虑联赛级别的排名，而不是联盟/分区级别的排名。我想将排名连接到一个数据框中，如下所示:

# Concatenated league level standings by date (the data are made up):

Team               BOSTON     BUFFALO    CALGARY    CAROLINA ...
Date        
2015-12-1               1          32         10          15
2015-12-2               3          28          9           9     
2015-12-3               2          26         10           4
2015-12-4               6          27         13           1 
2015-12-5               2          25         15           3 
2015-12-6               5          28         16           2 
...

我实际上已经成功地自己确定了排名，但我的实现非常缓慢且愚蠢。基本上，我(1)循环 A 队参加的每场比赛(即球队数据框中的行)，(2)检索另一支球队 B 参加的最新比赛(即在该比赛之前或同一天进行的比赛) (3) 如果根据 NHL 规则，B 队的积分榜应该比 A 队更高(即更好)( http://sports.espn.go.com/nhl/news/story?page=nhl/tiebreakers )，则 A 队的当前积分加一(即 I已在每个团队的数据框中添加了一个立柱，默认立柱为一)。在查看所有球队参加的所有比赛后，我将积分榜连接到一个数据框中。

我强烈认为有一种更有效的方法可以解决我的问题，可以更好地利用 Pandas 的功能。我被迫进行循环，因为我无法弄清楚如何根据日期索引来对齐来自不同数据帧的行(即游戏)。此外，如果我碰巧知道如何对齐行，我不知道如何对整个列进行排序(即对团队进行排名)。

我认为解决这个相当具体的问题所需的相同技术可以应用于许多类似的情况，例如对股票进行排名。例如，如果您想根据某些条件(例如行业级别排名)对股票的每日返回进行排名，我想它需要与此处所需的方法非常相似的方法。

提前谢谢您!

Answer 1

根据@JohnE的回答，我想出了这个:

import pandas as pd
import numpy as np


# Generating some non-random data
rng = [ '2015-10-01', '2015-10-02', '2015-10-03', '2015-10-04',
        '2015-10-01', '2015-10-03', '2015-10-04', '2015-10-06',
        '2015-10-01', '2015-10-04', '2015-10-05', '2015-10-06' ]
df = pd.DataFrame( { 'Team':          [ 'A',    'A', 'A',    'A',    'B', 'B','B',  'B',    'C',    'C', 'C',    'C' ],
                     'Opponent':      [ 'B',    'E', 'F',    'G',    'A', 'H','I',  'C',    'J',    'K', 'L',    'B' ],
                     'Goals for':     [   4,      2,   6,      1,      5,   5,  7,    1,      1,      2,   1,      2 ],
                     'Goals against': [   5,      1,   5,      3,      4,   4,  6,    2,      2,      0,   2,      1 ],
                     'OT/SO':         [ 'o', np.nan, 's', np.nan,    'o', 'o', 's', 's', np.nan, np.nan, 'o',    's' ] },
                     index = pd.to_datetime( rng ) )


# Calculating basic data
df[ 'Points' ] = 0
df.loc[ ( df[ 'Goals for' ] > df[ 'Goals against' ] ), 'Points' ] = 2
df.loc[ ( df[ 'Goals for' ] < df[ 'Goals against' ] ) & ( df[ 'OT/SO' ].isnull() == False ), 'Points' ] = 1
df[ 'Non-SO Win' ] = df[ 'Points' ] == 2
df.loc[ df[ 'OT/SO' ] == 's', 'Non-SO Win' ] = False
df[ 'Goal differential' ] = df[ 'Goals for' ] - df[ 'Goals against' ]


# Determining the standings
results = pd.DataFrame()
for date in set( rng ):
    # aggregating the necessary data
    data = df[ : date ]
    aggr_data = data.groupby('Team').agg( { 'Points': [ 'sum', 'count' ], 
                                            'Non-SO Win': [ 'count' ], 
                                            'Goal differential': [ 'sum' ] } )        

    # Sorting the aggregated df based on (simplified) NHL rules
    aggr_data.sort( [ ( 'Points', 'sum' ), # Points
                      ( 'Points', 'count' ), # Games played
                      ( 'Non-SO Win', 'count' ), # Non-SO wins
                      ( 'Goal differential', 'sum' ) ], # Goal differential
                      ascending = [ False, True, False, False ], 
                      inplace = True )

    # Adding standings = row numbers
    aggr_data[ 'Standing' ] = [ i for i in range( 1, aggr_data.count().values[0] + 1 ) ] 
    results = pd.concat( [ results, aggr_data[ 'Standing' ] ], axis = 'Team' )


results.columns = set( rng )
results = results.T
results.sort_index( inplace = True )

我的答案并不完整，因为没有考虑到面对面的积分规则......它是规则中最麻烦的，IMO。除此之外，我认为这种方法说明了当存在多个排名标准时，使用“排序”而不是“排名”是如何有用的。