Python：根据多个条件语句更改列中的值

Question

我有一个 dataframe 如下：

团队	姓名	Position	字段位置
A	约翰	前锋	正面
A	卡尔	后卫	后退
A	亚历克斯	充满	没有任何
A	罗恩	中场	中间
乙	泰勒	前锋	正面
乙	乍得	后卫	后退
乙	家伙	守门员	后退
乙	汤姆	充满	没有任何
C	詹姆士	充满	没有任何
C	卢卡斯	后卫	后退
C	本	中场	中间
C	诺亚	守门员	后退

我想根据 Position 列将 FieldPosition 列中的“无”值更改为“前”、“中”或“后”。

每支球队的 FieldPosition 列始终有 1 个前锋、2 个后卫和 1 个中锋。 前锋永远是前锋，后卫永远是后卫，中场永远是中锋。

例如： A 队中的填充 position 将具有“后”FieldPosition B 队中的填充 position 将具有“中间”FieldPosition C 中的填充 position 将具有“前”FieldPosition

我猜测创建一个带有循环和 if 语句的 function 将解决这个问题，因为有超过 20 个团队。 我怎样才能做到这一点？

---

最终答案应该如下：

团队	姓名	Position	字段位置
A	约翰	前锋	正面
A	卡尔	后卫	后退
A	亚历克斯	充满	后退
A	罗恩	中场	中间
乙	泰勒	前锋	正面
乙	乍得	后卫	后退
乙	家伙	守门员	后退
乙	汤姆	充满	中间
C	詹姆士	充满	正面
C	卢卡斯	后卫	后退
C	本	中场	中间
C	诺亚	守门员	后退

Answer 1

在映射固定位置后使用Counter difference：

from collections import Counter

ref = Counter({'Front': 1, 'Middle': 1, 'Back': 2})

positions = {'Striker': 'Front', 'Defender': 'Back', 'Midfielder': 'Middle'}

df['FieldPosition'] = df['Position'].map(positions).fillna(df['FieldPosition'].replace({'None': float('nan')}))

def guess_missing(x):
    c = ref-Counter(x)
    if len(c) == 1:
        return next(iter(c))

df['FieldPosition'] = df['FieldPosition'].fillna(df.groupby('Team')['FieldPosition'].transform(guess_missing))

Output：

   Team   Name    Position FieldPosition
0     A   John     Striker         Front
1     A   Carl    Defender          Back
2     A   Alex        Fill          Back
3     A    Ron  Midfielder        Middle
4     B  Tyler     Striker         Front
5     B   Chad    Defender          Back
6     B    Guy  Goalkeeper          Back
7     B    Tom        Fill        Middle
8     C  James        Fill         Front
9     C  Lucas    Defender          Back
10    C    Ben  Midfielder        Middle
11    C   Noah  Goalkeeper          Back

Answer 2

我们可以编写一个 function 从所需的集合中减去 FieldPositions 并为每个团队填充缺失的一个：

import pandas as pd
import numpy as np
from io import StringIO
from collections import Counter

csv = """
Team    Name    Position    FieldPosition
A   John    Striker Front
A   Carl    Defender    Back
A   Alex    Fill    None
A   Ron Midfielder  Middle
B   Tyler   Striker Front
B   Chad    Defender    Back
B   Guy Goalkeeper  Back
B   Tom Fill    None
C   James   Fill    None
C   Lucas   Defender    Back
C   Ben Midfielder  Middle
C   Noah    Goalkeeper  Back"""

df = pd.read_csv(StringIO(csv), sep = '\t')

correct_values = ['Front','Back','Back','Middle']

def fill_none(lst):
    c = Counter(correct_values)-Counter(lst)-Counter(['None'])
    return list(c.elements())[0]

df['FieldPosition'] = np.where(df['FieldPosition'] == 'None',
                               df.groupby('Team').FieldPosition.transform(fill_none),
                               df['FieldPosition'])