Отслеживание командного рекорда по игре в df

Это оказывается сложнее, чем кажется. Определенно есть способы упростить решение, которое я нашел, но я собираюсь изложить его шаг за шагом, чтобы было понятно, что происходит.

Но сначала стоит спросить, почему это сложно. Это похоже на простую проблему groupby(), используя .cumsum() для суммирования выигрышей и проигрышей. И если бы вы просто хотели получить результаты для команд гостей, это было бы. Но ваша проблема в том, что вы хотите выиграть на команды, период, независимо от того, в гостях они или дома.

Для этого я предлагаю разбить проблему на несколько этапов (всегда полезно, если у вас есть проблемный код).

Главный ответ

Сначала разделите свои данные на два фрейма данных, один для команд посещения, а другой - для домашних команд:

vdf = nba.set_index(['Season', 'Date', 'Visitor'])
vdf['win'] = np.where(vdf['H_PTS'] < vdf['V_PTS'], 1, 0)
vdf.index.names = ['Season', 'Date', 'Team']

hdf = nba.set_index(['Season', 'Date', 'Home'])
hdf['win'] = np.where(hdf['H_PTS'] > hdf['V_PTS'], 1, 0)
hdf.index.names = ['Season', 'Date', 'Team']

После разделения мы делаем две вещи для каждого фрейма данных. Во-первых, мы создаем столбец win, используя np.where() (кстати, отлично питонический. Я бы сказал, просто используйте логическое значение, но это не очень хорошо работает с .cumsum()). Во-вторых, мы переименовываем индекс, поэтому вместо посетителей и домашних команд мы говорим только о командах. Это важно, потому что теперь мы собираемся снова объединить эти фреймы данных в один:

df = pd.concat([vdf, hdf])
df['loss'] = 1 - df.win
df = df.sort_index(level=['Date'])
gr = df.groupby(level=['Season', 'Team'])

Мы можем рассчитать loss для команды как простую инверсию win. Затем мы сортируем по Date - поскольку ни одна команда не может играть в две игры одновременно, это должно быть нормально. Затем мы сгруппируем по Season и Team, так как это группа, по которой вы хотите подсчитывать результаты.

Теперь довольно просто суммировать выигрыши и проигрыши:

df['wins'] = gr.win.apply(lambda g: g.shift().cumsum().fillna(0))
df['losses'] = gr.loss.apply(lambda g: g.shift().cumsum().fillna(0))

Если вы хотите получить результаты, включая текущую игру, вы можете просто использовать .cumsum(). Но поскольку вам нужны результаты, как в предыдущей игре, нам нужно использовать .shift(), а затем заполнить (теперь пустую) первую строку нулем.

Но теперь у нас возникла проблема: команды хозяев и посетителей находятся в разных рядах! Чтобы исправить это, мы снова разделили их на отдельные фреймы данных и переименовали столбцы, чтобы было понятно, о посетителях мы говорим или о домашних записях.

vdf = df.dropna(subset=['Home'])[['wins', 'losses']].rename(columns=lambda c: 'V_' + c)
hdf = df.dropna(subset=['Visitor'])[['wins', 'losses']].rename(columns=lambda c: 'H_' + c)

Последний реальный шаг - это объединение обратно в основной фрейм данных на основе названий команд Visitor и Home.

nba = nba.merge(vdf.astype(int), left_on=['Season', 'Date', 'Visitor'], right_index=True)
nba = nba.merge(hdf.astype(int), left_on=['Season', 'Date', 'Home'], right_index=True)

Наконец, мы можем (при желании) создать формат W-L, о котором вы упоминаете в комментариях:

nba['V_winloss'] = nba['V_wins'].astype(str) + '-' + nba['V_losses'].astype(str)
nba['H_winloss'] = nba['H_wins'].astype(str) + '-' + nba['H_losses'].astype(str)

Сделанный! Дальнейшее ее упрощение (что определенно можно сделать) оставлено читателю в качестве упражнения.

Весь код в одном месте:

vdf = nba.set_index(['Season', 'Date', 'Visitor'])
vdf['win'] = np.where(vdf['H_PTS'] < vdf['V_PTS'], 1, 0)
vdf.index.names = ['Season', 'Date', 'Team']

hdf = nba.set_index(['Season', 'Date', 'Home'])
hdf['win'] = np.where(hdf['H_PTS'] > hdf['V_PTS'], 1, 0)
hdf.index.names = ['Season', 'Date', 'Team']

df = pd.concat([vdf, hdf])
df['loss'] = 1 - df.win
df['location'] = np.where(pd.notnull(df['Home']), 'h', 'v')
df = df.sort_index(level=['Date'])
gr = df.groupby(level=['Season', 'Team'])

df['wins'] = gr.win.apply(lambda g: g.shift().cumsum().fillna(0))
df['losses'] = gr.loss.apply(lambda g: g.shift().cumsum().fillna(0))

vdf = df.dropna(subset=['Home'])[['wins', 'losses']].rename(columns=lambda c: 'V_' + c)
hdf = df.dropna(subset=['Visitor'])[['wins', 'losses']].rename(columns=lambda c: 'H_' + c)

nba = nba.merge(vdf.astype(int), left_on=['Season', 'Date', 'Visitor'], right_index=True)
nba = nba.merge(hdf.astype(int), left_on=['Season', 'Date', 'Home'], right_index=True)

nba['V_winloss'] = nba['V_wins'].astype(str) + '-' + nba['V_losses'].astype(str)
nba['H_winloss'] = nba['H_wins'].astype(str) + '-' + nba['H_losses'].astype(str)

Пример (и несколько советов)

Всякий раз, когда у вас возникает вопрос, попробуйте создать как образец желаемого ввода, так и желаемого результата, отформатированный таким образом, чтобы респонденты могли скопировать и вставить его прямо в свой код. Этот образец должен продемонстрировать ключевые требования для вашей задачи. В вашем случае это, вероятно, будет включать команду, которая играет как дома, так и на выезде, а также несколько сезонов. Это полезное упражнение еще до того, как вы зададите вопрос - создание тестового стенда с базовыми кейсами позволяет легко проверить, работает ли код, который вы пишете, как задумано.

Я сделал образец фрейма данных, который включает эти функции. Обратите внимание, что я удалил столбцы, которые не имеют значения для рассматриваемой проблемы.

>>> nba

   Season  Date Visitor Home  V_PTS  H_PTS
0       1     1       A    E      1      2
1       1     2       B    E      1      0
2       1     3       C    E      1      2
3       1     4       D    E      1      0
4       1     5       E    A      1      2
5       1     6       E    B      1      0
6       1     7       E    C      1      2
7       1     8       E    D      1      0
8       2     9       A    E      1      2

После того, как вы подсчитаете выигрыши и проигрыши (df['losses'] = ...), вы должны проверить, правильно ли накапливаются результаты команд:

>>> print df[['wins', 'losses']].sort_index(level=['Team', 'Date']).astype(int)

                  wins  losses
Season Date Team
1      1    A        0       0
       5    A        0       1
2      9    A        0       0
1      2    B        0       0
       6    B        1       0
       3    C        0       0
       7    C        0       1
       4    D        0       0
       8    D        1       0
       1    E        0       0
       2    E        1       0
       3    E        1       1
       4    E        2       1
       5    E        2       2
       6    E        2       3
       7    E        3       3
       8    E        3       4
2      9    E        0       0

Тогда к концу вы получите вот что:

   Season  Date Visitor Home  V_PTS  H_PTS  V_wins  V_losses  H_wins  \
0       1     1       A    E      1      2       0         0       0
1       1     2       B    E      1      0       0         0       1
2       1     3       C    E      1      2       0         0       1
3       1     4       D    E      1      0       0         0       2
4       1     5       E    A      1      2       2         2       0
5       1     6       E    B      1      0       2         3       1
6       1     7       E    C      1      2       3         3       0
7       1     8       E    D      1      0       3         4       1
8       2     9       A    E      1      2       0         0       0

   H_losses V_winloss H_winloss
0         0       0-0       0-0
1         0       0-0       1-0
2         1       0-0       1-1
3         1       0-0       2-1
4         1       2-2       0-1
5         0       2-3       1-0
6         1       3-3       0-1
7         0       3-4       1-0
8         0       0-0       0-0

Вы можете просмотреть его, чтобы убедиться, что он соответствует вашему желанию.