python - 在Python中，使用其他变量的过去创建一个新列

Question

我有一个关于某项体育比赛的 pandas 数据框。我有 6 支队伍:A、B、C、D、E 和 F。比赛有 38 周。在每支弱队中，我们都有一支主场球队对阵客队。我知道球队比赛的数量与38周不符，但这只是为了说明问题。我的 df 是这样的:

df
ownerh_team  visit_team   some_var        weak    some_var2    score
          A           B          1           1            5        3
          C           D          2           1            3        3
          E           F          1           1            1        1

          A           D          4          38            2        0
          B           D          2          38            3        0
          F           E          1          38            1        1

分数变量与所有者主队(ownerh_team)相关。如果主队获胜，则得分为 3。如果客队获胜，则得分为 0。如果比赛结果平局，则得分为 1。

我想构造一个函数 new_var_func 来创建一个与过去的弱点相关的新列。换句话说，对于 df 的每一行(或相当于每个主队)及其各自的一周，我想知道主队在过去 5 周内有多少次得分为 3。

我想要一个具有以下输入结构的函数:

def new_var_func(data = df, column = 'name_var' , n_past_weeks = 1 , score_value = 3):
    corpus

请注意，此函数的输出与 df 相同，但有一个名为“name_var”的新列。参数 n_past_weeks = y 是要调查的过去几周的数量。 Score_value = x 表示我想知道过去 y 周主队有多少次得分 = x。

也许按照解释创建新方式变量的解决方案不一定必须使用函数。我接受其他解决方案，但如果您可以使用函数，我将不胜感激。

Answer 1

给定以下数据框:

df = pd.DataFrame([
    ['A','B',1,1,5,3],
    ['C','D',2,1,3,3],
    ['E','F',1,1,1,1],
    ['A','D',4,2,2,3],
    ['B','D',2,2,3,3],
    ['F','E',1,2,1,1],
    ['A','D',4,3,2,3],
    ['B','D',2,3,3,0],
    ['F','E',1,3,1,1]],
    columns=['ownerh_team','visit_team','some_var','week','some_var2','score'])

  ownerh_team visit_team  some_var  week  some_var2  score
0           A          B         1     1          5      3
1           C          D         2     1          3      3
2           E          F         1     1          1      1
3           A          D         4     2          2      3
4           B          D         2     2          3      3
5           F          E         1     2          1      1
6           A          D         4     3          2      3
7           B          D         2     3          3      0
8           F          E         1     3          1      1

我用了pandas.Dataframe.query过滤数据框，和 pandas.Dataframe.apply函数来有效地迭代它。试试这个代码:

def new_var_func(data=df, column='name_var', n_past_weeks=1, score_value= 3):
    df[column] = df.apply(lambda row: len(df[(df.ownerh_team == row.ownerh_team) & 
                                                (df.score == score_value) & 
                                                (df.week >= row.week - n_past_weeks) &
                                                (df.week <= row.week)]), axis=1)
    return df



df = new_var_func(data=df, column='name_var', n_past_weeks=1, score_value=3)

并给出:

  ownerh_team visit_team  some_var  week  some_var2  score  name_var
0           A          B         1     1          5      3         1
1           C          D         2     1          3      3         1
2           E          F         1     1          1      1         0
3           A          D         4     2          2      3         2
4           B          D         2     2          3      3         1
5           F          E         1     2          1      1         0
6           A          D         4     3          2      3         2
7           B          D         2     3          3      0         1
8           F          E         1     3          1      1         0

注意:我认为您还想计算本周的结果，如果您想从计数中排除您运行的那一周，请替换 df.week <= row.week与 df.week < row.week ，或者如果我误解了您请求的某些部分，请修改查询