熊猫数据框聚合计算

Question

我有一个包含体育比赛的熊猫数据框：

Winner      Loser          
A           B
B           A 
A           C

我想要每个球员（即A，B和C）的输赢统计数据。 因此对于A，结果应为2-1。 对于B，它应该是1-1，对于C，它应该是0-1。

我知道如何通过以下方式在数据帧上逐行迭代来计算此：

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

但我确信还有更多的pythonic / pandas-ish方式可以做到这一点？ 任何对此的提示表示赞赏。

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()

将产生一个包含损失数量计数的数据帧。

Loser
A         1
B         1
C         1
dtype: int64

然后，您可以按以下方式将它们合并到得分计数中（如果一支球队没有赢或输，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)

最终得分为

   Losses  Wins
A       1     2
B       1     1
C       1     0

Answer 2

在这样做的方式上：

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

得到：

        A   B   C
Loser   2   1   0
Winner  1   1   1

和：

score.T

显示它已转置：

    Loser   Winner
A   2       1
B   1       1
C   0       1

这是上面使用的数据框：

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

df

  Loser  Winner
0 B      A
1 A      B
2 C      A

一站式：

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

结果是：

    Loser   Winner
A   2       1
B   1       1
C   0       1

Answer 3

您想要什么格式的结果？

一种简单的计算获利和损失的方法是使用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是一本类似于以下字典的字典：

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

不过，我还是喜欢上面的Simon Gibbons答案，因为它不需要其他模块。