Python 创建一个新列，该列根据条件值查找日期差异

我有以下数据帧：

df=

我想创建一个新列，根据team1的条件查找日期差异。当芝加哥队是第一队时，我想知道他们上次比赛的天数，不管他们在上一场比赛中是第一队还是第二队

df=

---

您的预期输出接近，但我将创建一个多索引

使用

melt

和

diff

然后使用

pivot

# melt to get Teams as one columns
melt = df.melt('Date').sort_values('Date')

# groupby and find the difference
melt['diff'] = melt.groupby('value')['Date'].diff()

# pivot to go back to the original df format
melt.pivot('Date','variable') 

                  value              diff
variable     Team1    Team2     Team1     Team2
      Date              
2018-06-01  Boston   New York    NaT       NaT
2018-06-13  New York Chicago     12 days   NaT
2018-06-27  Boston   New York    26 days   14 days
2018-06-28  Chicago  Boston      15 days   1 days

更新 以下是根据您的评论进行的更新：

# assume this df
    Date         Team1   Team2
0   2018-06-01  Boston    New York
1   2018-06-13  New York  Chicago
2   2018-06-27  Boston    New York
3   2018-06-28  Chicago   Boston
4   2018-06-28  New York  Detroit

代码：

---

请注意，这一次与第1队上次比赛的结果不同

您是对的。。我已经更正了原始帖子中的错误。不幸的是，当应用到更大的数据帧时，我遇到了这个错误。ValueError:索引包含重复的条目，无法重塑。。。此错误特别发生在上面列出的第三个也是最后一个步骤中。@RyanG73该错误表示日期不唯一。您的数据是否包含多个在同一日期比赛的球队？是的。它包括一个完整的赛季的比赛时，有晚上，其中有几个games@RyanG73见upadte

# melt to get Teams as one columns
melt = df.melt('Date').sort_values('Date')

# groupby and find the difference
melt['diff'] = melt.groupby('value')['Date'].diff()

# pivot to go back to the original df format
melt.pivot('Date','variable') 

                  value              diff
variable     Team1    Team2     Team1     Team2
      Date              
2018-06-01  Boston   New York    NaT       NaT
2018-06-13  New York Chicago     12 days   NaT
2018-06-27  Boston   New York    26 days   14 days
2018-06-28  Chicago  Boston      15 days   1 days

# assume this df
    Date         Team1   Team2
0   2018-06-01  Boston    New York
1   2018-06-13  New York  Chicago
2   2018-06-27  Boston    New York
3   2018-06-28  Chicago   Boston
4   2018-06-28  New York  Detroit

# melt df (same as above example)
melt = df.melt('Date').sort_values('Date')

# find the difference
melt['diff'] = melt.groupby('value')['Date'].diff()

# use pivot_table not pivot
piv = melt.pivot_table(index=['Date', 'diff'], columns='variable', values='value', aggfunc=lambda x:x)

# reset index and dropna from team 1
piv.reset_index(level=1, inplace=True)
piv = piv[~piv['Team1'].isna()]

# merge your original df and your new one together
pd.merge(df, piv[piv.columns[:-1]], on=['Date','Team1'], how='outer').fillna(0)

         Date   Team1     Team2     diff
0   2018-06-01  Boston    New York  0 days
1   2018-06-13  New York  Chicago   12 days
2   2018-06-27  Boston    New York  26 days
3   2018-06-28  Chicago   Boston    15 days
4   2018-06-28  New York  Detroit   1 days