如何用Pandas提取球员每年效力的最高级别联赛数据？

错误原因 #

原代码存在两个关键问题：

1. 取数逻辑完全搞反：按Lev降序（最高级别在前）排序后，用groupby(...).tail(1)取的是每组最后一行，也就是该年份的最低级别记录，和需求完全相反。
2. 依赖字符串默认排序不可靠：直接对Lev字符串排序，虽然部分场景结果看似正常，但无法严格遵循你自定义的级别顺序，后续遇到特殊命名的级别必然出问题。

修正代码 #

import pandas as pd

prospect = pd.read_html('https://www.baseball-reference.com/register/player.fcgi?id=bishop000hun')[0]

levels = ['Rk', 'A-', 'A', 'A+', 'AA', 'AAA', 'MLB']

# 筛选属于指定级别的行
prospect = prospect[['Year', 'Tm', 'Lg', 'Lev', 'PA']][prospect['Lev'].isin(levels)]

# 将Lev转换为有序分类，严格遵循自定义的级别顺序（从低到高）
prospect['Lev'] = pd.Categorical(prospect['Lev'], categories=levels, ordered=True)

# 先按年份升序，再按级别降序排序，确保同一年份最高级别排在最前
# 分组后取每组第一行，即为该年份的最高级别记录
prospect = prospect.sort_values(['Year', 'Lev'], ascending=[True, False]).groupby('Year').head(1)

代码说明 #

• 有序分类转换：用pd.Categorical指定Lev的分类顺序，让排序完全按照你定义的联赛级别高低来，彻底避免字符串排序的不确定性。
• 正确取数逻辑：排序后同一年份的最高级别记录排在组内第一行，用head(1)直接提取即可得到目标数据。

内容的提问来源于stack exchange，提问作者BLuta