如何统计《幸存者》参赛次数最多选手（剔除同赛季重复记录）

问题背景 #

需求是统计真人秀《幸存者》中参赛次数最多的选手，核心规则是同一赛季内的重复参赛记录仅计为1次。现有两个DataFrame：

• castaways：包含赛季名称、赛季编号、castaway id、全名等字段
• castaway_details：包含castaway id、全名、性别等选手基础信息

当前使用的代码得到错误结果：

castaway_details[castaway_details['castaway id'] == castaways['castaway id'].value_counts().idxmax()]

选出的选手在castaways中出现6次，但其中3次属于同一赛季，不符合统计规则。

错误原因 #

原代码中的value_counts()直接统计了castaway id的总出现次数，没有区分同一赛季的重复记录——同一选手在同一赛季的多次条目都会被计入次数，导致统计结果虚高。

解决方案 #

核心思路是先对castaways按「选手ID+赛季」组合去重，确保每个选手每个赛季仅保留一条记录，再统计参赛次数：

1. 去重同一赛季的重复记录

   # 按castaway id和赛季字段去重，保留每个选手每个赛季的唯一记录
   # 若你的赛季字段是"season name"而非"赛季"，替换即可
   unique_season_participations = castaways.drop_duplicates(subset=['castaway id', '赛季'])
   

2. 统计去重后的参赛次数

   # 统计每个选手的参赛赛季数
   participation_counts = unique_season_participations['castaway id'].value_counts()
   

3. 获取参赛次数最多的选手详情

   # 找到参赛次数最多的选手ID
   top_castaway_id = participation_counts.idxmax()
   # 从castaway_details中获取该选手的完整信息
   top_castaway = castaway_details[castaway_details['castaway id'] == top_castaway_id]
   

4. 整合为一行代码（可选）

   top_castaway = castaway_details[
       castaway_details['castaway id'] == 
       castaways.drop_duplicates(subset=['castaway id', '赛季'])['castaway id'].value_counts().idxmax()
   ]
   

额外说明 #

如果需要查看该选手的具体参赛次数，可以直接输出：

print(f"最多参赛次数：{participation_counts.max()}")

内容的提问来源于stack exchange，提问作者Jaclyn Maraia