Python DataFrames - 需要帮助根据多个条件创建新列

Question

我有一个来自 Great British Baking Show 的挑战 DataFrame。 欢迎下载数据集：

pd.read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2022/2022-10-25/challenges.csv")

我已经清理了表格，现在有系列（1 到 10）、情节（6 到 10）、面包师（每个面包师的名字）和结果（面包师每周发生的事情（被淘汰 vs 仍然在展示））。 我正在寻找一种解决方案，允许我添加一个名为final_score的新列，该列将列出每个系列的每个面包师的最终位置。

用英语我想做的是：

1. 计算每个系列的面包师的唯一数量。
2. 对于每个系列，对于每一集，如果result == 'OUT' ，向记录面包师最终得分的 DF 添加一列。 每个赛季的第一个分数将等于步骤 1 中面包师的数量。然后我将面包师总数减 1。

例如，第 1 季的面包师人数是 10。在第 1 集中，Lea 和 Mark 都被淘汰了，所以我希望他们两人的“final_score”都为 10。 在第 2 集中，A.netha 和 Louise 都被淘汰了，所以我希望他们的分数是 8。

我一天中的大部分时间都花在了这个问题上，而且我很困惑。 我已经尝试了 window 函数、应用函数、列表理解，但我得到的最接近的粘贴在下面。 通过尝试 1，我知道问题出在： if df.result =='OUT': 。 我知道这是一个系列，但我已经尝试过.result.items() 、 result.all() 、 result.any() ， if df.loc[df.result] == 'OUT':但似乎没有工作。

尝试 1

def final_score(df):
#count the number of bakers per season
    baker_count = df.groupby('series')['baker'].nunique()
    #for each season
    for s in df.series:  
        #create a interable that counts the number of bakers that have been eliminated. Start at 0
        bakers_out = 0
        bakers_remaining = baker_count[int(s)]
        #for each season
        for e in df.episode:
            #does result say OUT for each contestant?
            if df.result =='OUT':
            
           
                    df['final_score'] = bakers_remaining
                    #if so, then we'll add +1 to our bakers_out iterator. 
                    bakers_out +=1

                    #set the final score category to our baker_count iterator
                    df['final_score'] = bakers_remaining

                    #subtract the number of bakers left by the amount we just lost
                    bakers_remaining -= bakers_out
            else:
                next
    return df

尝试 2 不是关于我创建一个新的 dataframe，而是试图解决这个问题并将我想要的 output 打印到控制台。 这非常接近，但我希望最终结果是一个密集的得分，所以在第 1 系列第 1 集中出局的两个面包师应该都排在第 10 位，而下周出局的两个面包师应该都排在第 8 位地方。

baker_count = df.groupby('series')['baker'].nunique()

#for each series
for s in df.series.unique():  
    bakers_out = 0
    bakers_remaining = baker_count[int(s)]
    #for each episode
    for e in df.episode.unique():
        #create a list of results
        data_results = list(df[(df.series==s) & (df.episode==e)].result)
        for dr in data_results:
            if dr =='OUT':
                bakers_out += 1
                print (s,e,dr,';final place:',bakers_remaining,';bakers out:',bakers_out)  
            else:
                print (s,e,dr,'--')
        bakers_remaining -= 1



Snippet of the result

1.0 1.0 IN --
1.0 1.0 IN --
1.0 1.0 IN --
1.0 1.0 IN --
1.0 1.0 IN --
1.0 1.0 OUT ;final place: 10 ;bakers out: 1
1.0 1.0 OUT ;final place: 10 ;bakers out: 2
1.0 2.0 IN --
1.0 2.0 IN --
1.0 2.0 IN --
1.0 2.0 IN --
1.0 2.0 IN --
1.0 2.0 IN --
1.0 2.0 OUT ;final place: 9 ;bakers out: 3
1.0 2.0 OUT ;final place: 9 ;bakers out: 4

谢谢大家，请让我知道我应该提供哪些其他信息。

Answer 1

您可以尝试以下操作（ df您的数据框）：

m = df["result"].eq("OUT")
df["final_score"] = (
    df.groupby("series")["baker"].transform("nunique")
    - df[m].groupby("series")["baker"].cumcount()
)
df["final_score"] = df[m].groupby(["series", "episode"])["final_score"].transform("max")

前两个赛季的结果（并非所有列）：

print(df[m & df["series"].isin([1, 2])])

     series  episode      baker result  final_score
8         1        1        Lea    OUT         10.0
9         1        1       Mark    OUT         10.0
16        1        2    Annetha    OUT          8.0
17        1        2     Louise    OUT          8.0
25        1        3   Jonathan    OUT          6.0
34        1        4      David    OUT          5.0
43        1        5  Jasminder    OUT          4.0
70        2        1      Keith    OUT         12.0
81        2        2      Simon    OUT         11.0
91        2        3        Ian    OUT         10.0
92        2        3    Urvashi    OUT         10.0
101       2        4        Ben    OUT          8.0
112       2        5      Jason    OUT          7.0
113       2        5     Robert    OUT          7.0
123       2        6     Yasmin    OUT          5.0
135       2        7      Janet    OUT          4.0