如何創建一個新的數據框，其中包含兩個現有數據框之間多列的值更改

Question

我正在研究五年內足球運動員的發展。

我有兩個數據框 (DF)，一個包含來自 FIFA 17 的所有 20 歲前鋒，另一個包含來自 FIFA 22 的所有 25 歲前鋒。我想創建第三個 DF，其中包含每個球員的屬性變化。 大約有 30 列表示每個屬性，例如鏟球、射門、傳球等。所以我希望新的 DF 包含 +3 用於鏟球，+2 用於射門，+6 用於傳球等。

我能想到的解決這個問題的最佳方法是合並兩個 DF，然后對每一列應用一個函數，給出 x 和 y 值之間的差異，它們分別代表 FIFA 17 和 FIFA 22 數據。

非常感謝任何提示。 謝謝你。

Answer 1

您可以減去pandas.DataFrame考慮以下簡單示例

import pandas as pd
df1 = pd.DataFrame({'X':[1,2],'Y':[3,4]})
df2 = pd.DataFrame({'X':[10,20],'Y':[30,40]})
dfdiff = df2 - df1
print(dfdiff)

給出輸出

    X   Y
0   9  27
1  18  36

Answer 2

我找到了一個解決方案，但它非常繁瑣，因為它需要為每個屬性編寫一行代碼。

我只是為每個屬性更改分配一個新列。 因此，對於 Passing，例如，代碼是：

mergedDF = mergedDF.assign(PassingChange = mergedDF.Passing_x - mergedDF.Passing_y)

Answer 3

如前所述，使用數據幀的差異。 我懷疑它們不是所有的 NaN 值，因為您只會在同一球員不在 17 和 22 國際足聯中的行中得到它。

當我這樣做時，17 年和 22 年只有 533 名球員（在國際足聯 17 和國際足聯 22 中分別為 20 歲和 25 歲）。

這是一個例子：

將熊貓導入為 pd

fifa17 = pd.read_csv('D:/test/fifa/players_17.csv')
fifa17 = fifa17[fifa17['age'] == 20]
fifa17 = fifa17.set_index('sofifa_id')

fifa22 = pd.read_csv('D:/test/fifa/players_22.csv')
fifa22 = fifa22[fifa22['age'] == 25]
fifa22 = fifa22.set_index('sofifa_id')

compareCols = ['pace', 'shooting', 'passing', 'dribbling', 'defending', 
               'physic', 'attacking_crossing', 'attacking_finishing', 
               'attacking_heading_accuracy', 'attacking_short_passing', 
               'attacking_volleys', 'skill_dribbling', 'skill_curve', 
               'skill_fk_accuracy', 'skill_long_passing', 
               'skill_ball_control', 'movement_acceleration', 
               'movement_sprint_speed', 'movement_agility', 
               'movement_reactions', 'movement_balance', 'power_shot_power', 
               'power_jumping', 'power_stamina', 'power_strength', 
               'power_long_shots', 'mentality_aggression', 
               'mentality_interceptions', 'mentality_positioning', 
               'mentality_vision', 'mentality_penalties', 
               'mentality_composure', 'defending_marking_awareness', 
               'defending_standing_tackle', 'defending_sliding_tackle']

df = fifa22[compareCols] - fifa17[compareCols]


df = df.dropna(axis=0)
df = pd.merge(df,fifa22[['short_name']], how = 'left', left_index=True, right_index=True)

輸出：

print(df)
           pace  shooting  ...  defending_sliding_tackle     short_name
sofifa_id                  ...                                         
205291     -1.0       0.0  ...                       3.0     H. Stengel
205988     -7.0       3.0  ...                      -1.0        L. Shaw
206086      0.0       8.0  ...                       5.0     H. Toffolo
206113     -2.0      21.0  ...                      -2.0      S. Gnabry
206463     -3.0       8.0  ...                       3.0     J. Dudziak
        ...       ...  ...                       ...            ...
236311     -2.0      -1.0  ...                      18.0         M. Rog
236393      2.0       5.0  ...                       0.0   Marc Cardona
236415      3.0       1.0  ...                       9.0      R. Alfani
236441     10.0      31.0  ...                      18.0      F. Bustos
236458      1.0       0.0  ...                       5.0  A. Poungouras

[533 rows x 36 columns]