pandas 数据框聚合计算

Question

我有一个包含体育比赛的 pandas 数据框：

Winner      Loser          
A           B
B           A 
A           C

我想要每个玩家（即 A、B 和 C）的输赢统计数据。所以对于 A，结果应该是 2-1。对于 B，它应该是 1-1，对于 C，它应该是 0-1。

我知道如何通过在数据帧上逐行迭代来计算：

for index, match in df.iterrows():
    //code for calculating win-loss here

但我确定还有更多 pythonic/pandas-ish 方法可以做到这一点？对此的任何提示表示赞赏。

Answer 1

您可以将 groupby 方法与 size 聚合一起使用来执行此操作

例如

print df.groupby('Loser').size()

会产生一个包含损失数量的数据框。

Loser
A         1
B         1
C         1
dtype: int64

然后您可以将这些组合到得分计数中，如下所示（如果球队没有赢或输，则使用 fillna 方法设置默认值）

wins = df.groupby('Winner').size()
losses = df.groupby('Loser').size()

scores = pd.DataFrame({'Wins' : wins, 'Losses' : losses}).fillna(0)

最终得分计为

   Losses  Wins
A       1     2
B       1     1
C       1     0

Answer 2

进行中：

win = df.groupby('Winner').count()
los = df.groupby('Loser').count()
score = pd.DataFrame([win.Loser, los.Winner])
score

给出：

        A   B   C
Loser   2   1   0
Winner  1   1   1

和：

score.T

显示它转置：

    Loser   Winner
A   2       1
B   1       1
C   0       1

这是上面使用的数据帧：

df = pd.DataFrame({'Winner': list('ABA'), 
                   'Loser': list('BAC')})  

df

  Loser  Winner
0 B      A
1 A      B
2 C      A

全部在一行中：

pd.DataFrame([df.groupby('Winner').count().Loser, 
              df.groupby('Loser').count().Winner]).fillna(0).T

结果：

    Loser   Winner
A   2       1
B   1       1
C   0       1

Answer 3

您希望结果采用哪种格式？

计算输赢的简单方法是使用collections.Counter:

import pandas as pd
from collections import Counter

df=pd.DataFrame([['A','B'],['B','C'],['A','C']], columns=['winner','loser'])

win_counts = Counter(df['winner'])

win_counts 是一个类似于下面的字典：

Counter({'A': 2, 'B': 1})

不过，我更喜欢 Simon Gibbons 上面的回答，因为它不需要额外的模块。

pandas 数据框聚合计算

pandas dataframe aggregate calculation

python

dataframe

pandas