基于目标值在Pandas DataFrame中计算网球选手交手记录问题排查

问题核心 #

你的代码错误出在没有统一选手配对的统计逻辑——当比赛中Player1失利（target=0）时，没有正确对应到Player2的胜场，且后续比赛如果选手顺序调换，会因为配对键不统一导致统计混乱。

解决方案 #

通过统一选手配对的唯一键，确保同一对选手的交手记录始终存在同一个条目下，再按比赛顺序正确更新胜场数：

1. 初始化一个字典存储所有选手对的交手记录，键为排序后的选手名字元组（比如('Federer', 'Nadal')，不管谁在比赛中是Player1还是Player2，键都一致）。
2. 按比赛时间顺序遍历每行数据，先读取当前比赛前的历史交手记录，赋值到player1_h2h和player2_h2h。
3. 根据比赛结果（target值），正确累加获胜选手的胜场数到字典中。

修正后的代码 #

# 初始化交手记录字典
h2h_records = {}

# 新增h2h列并初始化
tennis_data_processed['player1_h2h'] = 0
tennis_data_processed['player2_h2h'] = 0

# 确保数据按比赛日期升序排列（必须步骤！）
tennis_data_processed = tennis_data_processed.sort_values('比赛日期列名').reset_index(drop=True)

# 遍历每一场比赛
for idx, row in tennis_data_processed.iterrows():
    p1 = row['Player1']
    p2 = row['Player2']
    target = row['target']
    
    # 生成排序后的选手配对键，保证同一对选手键唯一
    sorted_pair = tuple(sorted([p1, p2]))
    
    # 初始化该配对的记录（如果不存在）
    if sorted_pair not in h2h_records:
        h2h_records[sorted_pair] = [0, 0]  # [排序第一个选手胜场, 排序第二个选手胜场]
    
    # 确定当前选手在排序对中的位置，获取历史胜场数
    if p1 == sorted_pair[0]:
        p1_hist_wins = h2h_records[sorted_pair][0]
        p2_hist_wins = h2h_records[sorted_pair][1]
    else:
        p1_hist_wins = h2h_records[sorted_pair][1]
        p2_hist_wins = h2h_records[sorted_pair][0]
    
    # 写入当前比赛前的交手记录
    tennis_data_processed.at[idx, 'player1_h2h'] = p1_hist_wins
    tennis_data_processed.at[idx, 'player2_h2h'] = p2_hist_wins
    
    # 根据比赛结果更新交手记录
    if target == 1:
        # Player1获胜，对应他在排序对中的位置胜场+1
        if p1 == sorted_pair[0]:
            h2h_records[sorted_pair][0] += 1
        else:
            h2h_records[sorted_pair][1] += 1
    else:
        # Player2获胜，对应他在排序对中的位置胜场+1
        if p2 == sorted_pair[0]:
            h2h_records[sorted_pair][0] += 1
        else:
            h2h_records[sorted_pair][1] += 1

关键说明 #

• 必须确保DataFrame按比赛日期升序排列，否则统计的历史记录会包含未发生的比赛，导致结果错误。
• 排序后的配对键彻底解决了选手顺序调换导致的记录分散问题，不管哪场比赛谁在前，同一对选手的交手数据都存在同一个键下。
• 先读取历史记录再更新，保证player1_h2h和player2_h2h存储的是当前比赛之前的交手胜场数，符合需求。

内容的提问来源于stack exchange，提问作者Anton G