Python 使用groupby和loc设置新的数据帧

嗨，我有一个数据框，如下所示：

df = pd.DataFrame()
df['Team1']   = ['A','B','C','D','E','F','A','B','C','D','E','F']
df['Score1']  = [1,2,3,1,2,4,1,2,3,1,2,4]
df['Team2']   = ['U','V','W','X','Y','Z','U','V','W','X','Y','Z']
df['Score2']  = [2,1,2,2,3,3,2,1,2,2,3,3]
df['Match']   = df['Team1']  + ' Vs '+ df['Team2']
df['Match_no']= [1,2,3,4,5,6,1,2,3,4,5,6]
df['model']  = ['ELO','ELO','ELO','ELO','ELO','ELO','xG','xG','xG','xG','xG','xG']
winner = df.Score1>df.Score2
df['winner']  = np.where(winner,df['Team1'],df['Team2'])

df1 =pd.DataFrame()
df1['Team1']   = ['U','C','Y','U','C','Y']
df1['Team2']   = ['B','X','F','B','X','F']

df1['Match']   = df1['Team1']  + ' Vs '+ df1['Team2']
df1['Match_no']= [1,2,3,1,2,3]
df1['model']  = ['ELO','ELO','ELO','xG','xG','xG']

我想做的是为下一阶段的比赛创建另一个日期框架。在下一阶段中，我们将为每个模型（ELO和xG）进行3次匹配。我想对模型进行分组。这些比赛按模式进行分组，第一场比赛和第一场比赛的获胜者，第三场比赛的获胜者和第四场比赛的获胜者等将参加比赛（即U对B，C对X，Y对F）。那么有人能告诉我如何抽调这些队伍吗

我预期的新数据帧如下所示：

df = pd.DataFrame()
df['Team1']   = ['A','B','C','D','E','F','A','B','C','D','E','F']
df['Score1']  = [1,2,3,1,2,4,1,2,3,1,2,4]
df['Team2']   = ['U','V','W','X','Y','Z','U','V','W','X','Y','Z']
df['Score2']  = [2,1,2,2,3,3,2,1,2,2,3,3]
df['Match']   = df['Team1']  + ' Vs '+ df['Team2']
df['Match_no']= [1,2,3,4,5,6,1,2,3,4,5,6]
df['model']  = ['ELO','ELO','ELO','ELO','ELO','ELO','xG','xG','xG','xG','xG','xG']
winner = df.Score1>df.Score2
df['winner']  = np.where(winner,df['Team1'],df['Team2'])

df1 =pd.DataFrame()
df1['Team1']   = ['U','C','Y','U','C','Y']
df1['Team2']   = ['B','X','F','B','X','F']

df1['Match']   = df1['Team1']  + ' Vs '+ df1['Team2']
df1['Match_no']= [1,2,3,1,2,3]
df1['model']  = ['ELO','ELO','ELO','xG','xG','xG']

我如何设置这个？ 谢谢

---

Zep

我将尝试给你一个答案，尽管我很难理解你所说的“奇数比赛号码的赢家和偶数比赛号码的赢家”是什么意思

如果这意味着第1场和第2场比赛中的胜利者配对，那么第3场和第4场等等。你可以做一些简单的事情

df1['Team1'] = df.loc[::2, 'winner']
df1['Team2'] = df.loc[1::2, 'winner']

假设您的数据按显示的顺序排序。你可以通过

df[df['model'] == 'ELO'].sort_values('Match_no')

等。如果我没弄错的话，似乎不需要熊猫群比。

您可以使用以下方法计算每个组的数量：

df1 = pd.DataFrame()
df1['Team1'] = df.loc[::2, 'winner'].values
df1['Team2'] = df.loc[1::2, 'winner'].values
df1['Match'] = df1['Team1']  + ' Vs '+ df1['Team2']
model = df.loc[::2, 'model'].values
df1['Match_no'] = df1.groupby(model).cumcount() + 1
df1['model'] = model
print (df1)
  Team1 Team2   Match  Match_no model
0     U     B  U Vs B         1   ELO
1     C     X  C Vs X         2   ELO
2     Y     F  Y Vs F         3   ELO
3     U     B  U Vs B         1    xG
4     C     X  C Vs X         2    xG
5     Y     F  Y Vs F         3    xG

---

谢谢Kay，我需要的新数据帧（df）是来自上一个数据帧（df）的获奖者列表。然后，这些团队将被设置为比赛（即第一场比赛的胜利者与第二场比赛的胜利者，依此类推）。然后我想使用来自旧数据帧（df）的模型作为新列添加到新数据帧（df1）中，我不明白。为什么需要groupby？如果需要对奇偶行，则应工作。只有在某些组具有取消配对的行数时（可能吗？）。或者需要先按

df.groupby（'model'）筛选每个组的前6行。标题（6）

？亲爱的Jez，感谢您的回复。我需要在新的dataframe中重用来自模型的标签。正如我提到的，新的dataframe将有以下列Team1、Team2、Model.Yes-Jez。它起作用了。谢谢你的帮助。现在，如果我想为每个匹配分配匹配号，我可以使用基于型号的cumcount吗？我会给你一个机会try@Zephyr-当然，给我一点时间。嗨，杰兹，如果我想匹配1对3，2对4怎么样？@Zephyr-不确定是否理解，我的解决方案匹配1对3，2对4。你能解释更多吗？嗨，杰兹，在我的第一个数据帧（df）中，有6个匹配。每场比赛的获胜者将在下一阶段相遇（即第1场比赛的获胜者和第2场比赛的获胜者）。现在如果我想为下一阶段的比赛做准备（即第1场比赛的获胜者和第3场比赛的获胜者、第2场比赛的获胜者和第4场比赛的获胜者等）