python - 如何从 Pandas Dataframe 中的不完整数据生成连续记录

Question

好的，我有一个关于游戏结果的数据集不完整，我想为该游戏中没有数据的玩家生成一个包含存在数据或零值的图。此外，我想通过列表添加当前的数据:一些玩家是攻击者，一些玩家是防御者我的数据是这样的:

原始数据:

Game    Player  Goal    Assits  Fouls
1   Alpha       1       1       0
1   Beta        2       0       1
2   Alpha       0       1       1
2   Gamma       2       0       0
3   Beta        3       0       1
4   Alpha       1       1       1
4   Beta        2       0       1
5   Alpha       0       1       1
5   Beta        1       0       0
5   Gamma       0       1       1

期望的结果:进球得分 + 助攻得分，攻击者 = ['Alpha','Beta'] 和防守者 =['Gamma']

Game    Attackers   Defenders
1       4           0
2       1           2
3       3           0
4       4           0
5       2           1

我将所有原始数据保存在 pandas 数据框中，并且尝试使用 isin 函数来获取数据。这给我留下了不同长度的结果，即如果它“不在”则没有添加数据。我会(如图所示，就像零一样。==> 即在第 1 场比赛中没有提到 Gamma，因此他的得分为零。

感谢您的帮助

Answer 1

这有点困惑，但肯定可行。

首先，您需要对 df 进行 reset_index()，以使分组更容易。 Groupby 无法同时优雅地处理索引和列上的分组 ( GH issue )。

In [64]: df = df.reset_index()

定义从玩家到位置(攻击者或防御者)的映射:

In [65]: kind = {'Alpha': 'Attackers', 'Beta': 'Attackers', 'Gamma': 'Defenders'}

理想情况下，您可以在一行中完成接下来的 3 个步骤，但我在聚合方面遇到了麻烦。首先按位置和比赛进行分组。

In [66]: grouped = df.groupby(['Game', df.Player.map(kind)]).sum()

In [67]: grouped
Out[67]: 
                Goal  Assits  Fouls
Game Player                        
1    Attackers     3       1      1
2    Attackers     0       1      1
     Defenders     2       0      0
3    Attackers     3       0      1
4    Attackers     3       1      2
5    Attackers     1       1      1
     Defenders     0       1      1

[7 rows x 3 columns]

然后计算点，得到一个系列:

In [68]: points = grouped['Goal'] + grouped['Assits']

In [69]: points
Out[69]: 
Game  Player   
1     Attackers    4
2     Attackers    1
      Defenders    2
3     Attackers    3
4     Attackers    4
5     Attackers    2
      Defenders    1
dtype: int64

最后unstack()。这会在没有任何值的地方(例如游戏 1、防守者)创建 NaN，我们将用 0 填充。

In [70]: points.unstack('Player').fillna(0)
Out[70]: 
Player  Attackers  Defenders
Game                        
1               4          0
2               1          2
3               3          0
4               4          0
5               2          1

[5 rows x 2 columns]