使用Python筛选NBA球员背靠背比赛数据的技术方案

问题说明 #

我有一个NBA数据集，包含Player（球员）和Game_date（比赛日期）字段，示例数据如下：

需要筛选出仅包含球员**背靠背（连续两天）**的比赛数据，目标结果如下：

创建数据集的代码如下：

import pandas as pd

data = [
{'Player': 'Lebron James', 'Game_date': '2023-10-11'},
{'Player': 'Lebron James', 'Game_date': '2023-10-12'},
{'Player': 'Lebron James', 'Game_date': '2023-10-18'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-02'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-03'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-09'},
]
df = pd.DataFrame(data)
print(df)

我尝试了以下代码，但需要完善实现逻辑：

# Convert 'game_date' column to datetime format
df['game_date'] = pd.to_datetime(df['game_date']).dt.date

# Sort DataFrame by player_id and game_date
df.sort_values(by=['player_name', 'game_date'], inplace=True)

# Calculate the difference between consecutive game dates and store the result in 'b2b' column
df['b2b'] = df.groupby('player_name')['game_date'].apply(lambda x:x.diff().fillna(pd.Timedelta(days=0))).dt.days

完善实现方案 #

你的尝试代码存在列名不匹配（原数据列是Player/Game_date，代码里用了player_name/game_date）以及缺少最终筛选逻辑的问题，以下是完整可运行的解决方案：

import pandas as pd

# 创建数据集
data = [
{'Player': 'Lebron James', 'Game_date': '2023-10-11'},
{'Player': 'Lebron James', 'Game_date': '2023-10-12'},
{'Player': 'Lebron James', 'Game_date': '2023-10-18'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-02'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-03'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-09'},
]
df = pd.DataFrame(data)

# 1. 将日期列转换为datetime类型（保留datetime格式，方便时间差计算）
df['Game_date'] = pd.to_datetime(df['Game_date'])

# 2. 按球员姓名和比赛日期排序，确保连续场次相邻
df.sort_values(by=['Player', 'Game_date'], inplace=True)

# 3. 分组计算每个球员连续两场比赛的天数差
df['days_diff'] = df.groupby('Player')['Game_date'].diff().dt.days

# 4. 标记所有属于背靠背的场次：当前场次与下一场差1天，或与上一场差1天
df['is_b2b'] = (df['days_diff'] == 1) | (df['days_diff'].shift(-1) == 1)

# 5. 筛选出背靠背场次，删除辅助列
result_df = df[df['is_b2b']].drop(columns=['days_diff', 'is_b2b'])

print(result_df)

关键逻辑说明 #

• 保留Game_date的datetime类型，避免转成date类型后无法直接计算时间差
• 分组计算日期差后，通过shift(-1)来标记连续两天的第一场比赛（因为第一场的days_diff是NaN，但第二场的days_diff是1，所以第一场需要通过下一场的标记来识别）
• 最终筛选出所有标记为背靠背的场次，得到目标结果

内容的提问来源于stack exchange，提问作者Sam Ash