如何用Pandas计算带偏移的球队主场累计得分？

我正在开发一个预测球队得分的机器学习模型，需要新增一列来追踪每支球队**截至当前比赛（不含当前行对应比赛）**的主场累计得分。我能计算普通的累计总和，但需要对累计值进行偏移以满足需求。以下是数据集示例及期望的cumulative列，我写出了计算累计总和的Pandas代码，但尝试用shift实现偏移的代码结果不符合预期，寻求正确实现方法。

数据集示例 #

现有代码（计算普通累计总和） #

import pandas as pd

data = pd.read_csv('game_data.csv')
data['home_cumulative'] = data.groupby('home_id')['home_score'].cumsum()

尝试的偏移代码（结果不符合预期） #

data['home_offset'] = data.groupby('home_id')['home_score'].shift(periods = 1).cumsum().fillna(0)

解决方案 #

错误原因 #

你之前的代码错误在于：先对分组后的home_score做shift，然后直接调用全局的cumsum()，而不是在每个分组内进行累计求和，导致不同球队的累计值会被错误地叠加在一起。

正确实现方法 #

有两种可靠的实现方式：

方法1：先分组累计，再分组偏移

先计算每支球队的累计得分，再对每个分组的累计结果进行偏移，最后将空值填充为0：

import pandas as pd

data = pd.read_csv('game_data.csv')
# 1. 计算每支球队的主场累计得分（包含当前比赛）
data['home_cumulative'] = data.groupby('home_id')['home_score'].cumsum()
# 2. 对每个分组的累计得分进行偏移，得到不含当前比赛的累计值
data['cumulative'] = data.groupby('home_id')['home_cumulative'].shift(periods=1).fillna(0)

方法2：分组内先偏移再累计

直接在每个球队的分组内，先将得分偏移一行，再进行累计求和，最后填充空值：

import pandas as pd

data = pd.read_csv('game_data.csv')
data['cumulative'] = data.groupby('home_id')['home_score'].apply(lambda x: x.shift(1).cumsum()).fillna(0)

两种方法都能得到你期望的cumulative列结果，确保每支球队的累计得分仅包含当前比赛之前的所有主场得分。

内容的提问来源于stack exchange，提问作者Nate B