Python：根據多個條件語句更改列中的值

Question

我有一個 dataframe 如下：

團隊	姓名	Position	字段位置
A	約翰	前鋒	正面
A	卡爾	后衛	后退
A	亞歷克斯	充滿	沒有任何
A	羅恩	中場	中間
乙	泰勒	前鋒	正面
乙	乍得	后衛	后退
乙	家伙	守門員	后退
乙	湯姆	充滿	沒有任何
C	詹姆士	充滿	沒有任何
C	盧卡斯	后衛	后退
C	本	中場	中間
C	諾亞	守門員	后退

我想根據 Position 列將 FieldPosition 列中的“無”值更改為“前”、“中”或“后”。

每支球隊的 FieldPosition 列始終有 1 個前鋒、2 個后衛和 1 個中鋒。 前鋒永遠是前鋒，后衛永遠是后衛，中場永遠是中鋒。

例如： A 隊中的填充 position 將具有“后”FieldPosition B 隊中的填充 position 將具有“中間”FieldPosition C 中的填充 position 將具有“前”FieldPosition

我猜測創建一個帶有循環和 if 語句的 function 將解決這個問題，因為有超過 20 個團隊。 我怎樣才能做到這一點？

---

最終答案應該如下：

團隊	姓名	Position	字段位置
A	約翰	前鋒	正面
A	卡爾	后衛	后退
A	亞歷克斯	充滿	后退
A	羅恩	中場	中間
乙	泰勒	前鋒	正面
乙	乍得	后衛	后退
乙	家伙	守門員	后退
乙	湯姆	充滿	中間
C	詹姆士	充滿	正面
C	盧卡斯	后衛	后退
C	本	中場	中間
C	諾亞	守門員	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

我們可以編寫一個 function 從所需的集合中減去 FieldPositions 並為每個團隊填充缺失的一個：

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'])