我有以下数据帧摘录,代表篮球比赛的逐场比赛:
import pandas as pd
data = {'actionNumber':
[669,668,667,666,665,663,662,661,660,659,657,656,655], 'gt':['03:12','03:12','03:18','03:18','03:36','03:48','03:48','03:48','03:48','03:51','03:51','03:55','03:58'], 'actionType':['steal','turnover','assist','3pt','2pt','freethrow','freethrow','foulon','foul','steal','turnover','rebound','2pt'], 'player':['S. WOHLWEND','F. DELLA MEA','Z. RIAUKA','A. VIOTTI','J. VIANA','A. VIOTTI','A. VIOTTI','A. VIOTTI','E. GONZALEZ','A. VIOTTI','A. ARISTIMUNO','P. BLACKWELL','A. VIOTTI'], 'tno':['1', '2','1','1','2','1','1','1','2','1','2','2','1']}
df = pd.DataFrame(data)
df
我想确定每支球队拥有球权的时间。在 tno 列中,您基本上可以看到哪个团队拥有所有权,所以我的目的是迭代 pandas,从最后一行开始,并将其标记为所有权一,然后转到下一行并标记 tno 拥有的所有行a 2作为posssion 2,之后,当tno变为1时,将其标记为posssion 3,并重复该 Action ,直到我统计并标记所有不同的posssion;所以最后我可以获得每季度、每队每次控球的平均值,看看哪支球队的控球速度更快等等。
我已经尝试过使用 for 循环,我可以用这种方式做到这一点,但我正在尝试学习 pandas,在每个部分我都认为应该避免循环,我已经使用轮类成功完成了相同的部分,但我不知道如何使用shift,而不知道每个回合会持续多少场比赛。
我期待以下内容:
data = {'actionNumber':
[669,668,667,666,665,663,662,661,660,659,657,656,655], 'gt':['03:12','03:12','03:18','03:18','03:36','03:48','03:48','03:48','03:48','03:51','03:51','03:55','03:58'], 'actionType':['steal','turnover','assist','3pt','2pt','freethrow','freethrow','foulon','foul','steal','turnover','rebound','2pt'], 'player':['S. WOHLWEND','F. DELLA MEA','Z. RIAUKA','A. VIOTTI','J. VIANA','A. VIOTTI','A. VIOTTI','A. VIOTTI','E. GONZALEZ','A. VIOTTI','A. ARISTIMUNO','P. BLACKWELL','A. VIOTTI'], 'tno':['1','2','1','1','2','1','1','1','2','1','2','2','1'],'pn': ['7','6','5','5','4','3','3','3','','3','2','2','1']}
df = pd.DataFrame(data)
df
其中pn是占有编号(忽略第57b行,这对于这个问题并不重要),所以我可以获得每个占有的最后一个,它是如何结束的,等等。
最佳答案
这是分解步骤的另一种尝试。
df = df.sort_values('actionNumber', ascending=True)
tno = df.tno.to_list()
# check if fouls happened
isfoul = (df.actionType=='foul').astype(int).to_list()
tnox = [int(x)-int(y) for x,y in zip(tno,isfoul)]
# calculate when a swap happens
swap_counter = [1] + [np.abs(int(x) - int(y)) for x, y in zip(tnox[:-1], tnox[1:])]
# evaluate a cumulative sum of all swaps
df['pn'] = np.array(swap_counter).cumsum()*np.abs(1-np.array(isfoul))
# adjust column pn: (where rows with actionType='foul') leave cell value empty
df.pn.loc[df.actionType=='foul'] = ''
df = df.sort_values('actionNumber', ascending=False)
df
输出
关于python - 迭代 pandas dataframe 的行并添加值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57931169/