通過在字典中查找值將新列添加到數據框

Question

我有一個Pandas數據框，其中包含每個錦標賽的運動成績，如下所示（簡化）：

Tournament  WinnerName  LoserName
t1          A           X
t1          B           Y
t1          C           Y
t2          A           X
t2          B           Y
t2          C           Y

在字典中，我可以獲得有關每個錦標賽的玩家排名的信息：

Tournament  Player  Rank
t1          A       1
t1          B       7
t1          C       70
t2          A       11
t2          B       1
t2          C       100

現在，我想知道每場比賽的獲勝者在以下類別之一中排名的頻率：a）1到10之間，b）11到49之間，c）大於49。

因此結果可能如下所示：

Tournament  WinnerName  LoserName   Group
t1          A           X           a
t1          B           Y           a
t1          C           Y           c
t2          A           X           b
t2          B           Y           a
t2          C           Y           c

或像這樣：

Tournament  WinnerName  LoserName   GroupA  GroupB  GroupC
t1          A           X           1       0       0
t1          B           Y           1       0       0
t1          C           Y           0       0       1
t2          A           X           0       1       0
t2          B           Y           1       0       0
t2          C           Y           0       0       1

之后，我可以輕松地計算每列的出現次數。 但是目前，我只能達到兩個給定結果之一。 我知道它應該以某種方式apply或transform ，但是不幸的是我沒有確切的想法。 也許有更好的解決方案來實現這一目標？

謝謝。

Answer 1

從排名（列）中，您可以剪切並獲取_dummies：

In [11]: r
Out[11]:
0      1
1      7
2     70
3     11
4      1
5    100
Name: Rank, dtype: int64

In [12]: pd.cut(r, [0, 10, 49, 100], include_lowest=True)
Out[12]:
0      [0, 10]
1      [0, 10]
2    (49, 100]
3     (10, 49]
4      [0, 10]
5    (49, 100]
Name: Rank, dtype: category
Categories (3, object): [[0, 10] < (10, 49] < (49, 100]]

In [13]: pd.get_dummies(pd.cut(r, [0, 10, 49, 100], include_lowest=True))
Out[13]:
   [0, 10]  (10, 49]  (49, 100]
0        1         0          0
1        1         0          0
2        0         0          1
3        0         1          0
4        1         0          0
5        0         0          1

現在，您可以將它們與原始DataFrames一起使用/無論使用什么。