如何关联足球比赛与球员统计DataFrame，生成每位球员特征列

核心问题 #

你的代码生成空DataFrame主要有三个关键问题：

1. 未填充结果字典：joined_dfs字典始终为空，后续pd.concat自然没有可拼接的数据。
2. 关联键不匹配：你用player_name作为关联字段，但test_matches_df中的home_player_1等字段存储的是球员ID（从示例值111111的格式判断），而非球员名称，导致关联后无匹配结果。
3. 错误的赋值语法：[alias] = pd.merge(...)是错误写法，merge返回的是DataFrame，不能用列表解构赋值。

修正后的代码 #

基于数据结构判断，test_matches_df的球员列对应players_stats的player_api_id字段，以下是修正后的实现：

import pandas as pd

# 定义所有需要关联的球员列
player_columns = ['home_player_1', 'home_player_2', 'home_player_3', 'home_player_4', 'home_player_5', 'home_player_6',
                  'home_player_7', 'home_player_8', 'home_player_9', 'home_player_10', 'home_player_11',
                  'away_player_1', 'away_player_2', 'away_player_3', 'away_player_4', 'away_player_5', 'away_player_6',
                  'away_player_7', 'away_player_8', 'away_player_9', 'away_player_10', 'away_player_11']

# 统一关联键类型：将比赛数据中的球员ID转为int，匹配球员统计数据的player_api_id类型
test_matches_df[player_columns] = test_matches_df[player_columns].astype(int)

# 初始化结果为原始比赛数据的副本
result_df = test_matches_df.copy()

# 循环处理每个球员列，合并对应的统计特征
for player_col in player_columns:
    # 重命名球员统计列，添加前缀区分不同球员
    renamed_stats = players_stats.rename(columns={
        col: f"{player_col}_{col}" for col in players_stats.columns if col != 'player_api_id'
    })
    # 左连接，保留所有比赛数据，匹配对应球员的统计特征
    merged_df = pd.merge(
        result_df,
        renamed_stats,
        left_on=player_col,
        right_on='player_api_id',
        how='left'
    )
    # 丢弃重复的player_api_id列，更新结果DataFrame
    result_df = merged_df.drop(columns=['player_api_id'])

# 查看最终结果
print(result_df.head())

关键说明 #

• 类型统一：确保关联键类型一致，避免因字符串与数字类型不匹配导致的关联失败。
• 列名自动生成：通过字典推导式将球员统计列重命名为home_player_1_strength、away_player_5_acceleration这类符合需求的格式。
• 逐步合并：每次合并后更新结果，既保留原始比赛数据，又逐步添加所有球员的统计特征。

额外排查建议 #

如果合并后仍有大量空值，可进行以下验证：

1. 检查比赛数据中的球员ID是否存在于球员统计数据中：

   # 提取所有比赛中的球员ID
   all_match_player_ids = pd.concat([test_matches_df[col] for col in player_columns])
   # 找出在统计数据中不存在的ID
   missing_ids = all_match_player_ids[~all_match_player_ids.isin(players_stats['player_api_id'])]
   print(f"无对应统计数据的球员ID数量：{len(missing_ids.unique())}")
   

2. 清理球员统计数据中的重复ID：

   # 保留每个球员ID的最新记录
   players_stats = players_stats.drop_duplicates(subset='player_api_id', keep='last')
   

内容的提问来源于stack exchange，提问作者spool