基于Pandas的DataFrame列按条件求和及英超球队赛季黄牌红牌统计方法问询

嘿，我明白你的困扰——分开统计主客场的数据再相加确实麻烦，还容易出问题。咱们来用更优雅的方式搞定这个需求，顺便解答你关于“基于另一列值对两列求和”的疑问。

一、统计全赛季球队总黄牌/红牌数 #

你的核心问题是要把球队作为主、客队时的黄牌（红牌）数合并统计，之前的方法会因为索引不匹配或代码冗余出问题。我们可以把主客场的数据规整到同一结构后再合并计算：

1. 统计黄牌总数 #

import pandas as pd

# 提取主队黄牌数据并重命名列
home_yellow = df[["HomeTeam", "HY"]].rename(columns={"HomeTeam": "Team", "HY": "YellowCards"})
# 提取客队黄牌数据并重命名列
away_yellow = df[["AwayTeam", "AY"]].rename(columns={"AwayTeam": "Team", "AY": "YellowCards"})

# 合并主客队数据，统一统计
all_yellow = pd.concat([home_yellow, away_yellow], ignore_index=True)
# 按球队分组求和，降序排序
yellow_top_teams = all_yellow.groupby("Team")["YellowCards"].sum().sort_values(ascending=False)

2. 统计红牌总数 #

红牌的统计逻辑完全一致，假设红牌列是HR（主队红牌）和AR（客队红牌）：

home_red = df[["HomeTeam", "HR"]].rename(columns={"HomeTeam": "Team", "HR": "RedCards"})
away_red = df[["AwayTeam", "AR"]].rename(columns={"AwayTeam": "Team", "AR": "RedCards"})

all_red = pd.concat([home_red, away_red], ignore_index=True)
red_top_teams = all_red.groupby("Team")["RedCards"].sum().sort_values(ascending=False)

这种方法的优势：

• 避免了两个groupby结果相加时的索引不匹配问题
• 代码更简洁易读，方便后续扩展（比如统计其他数据）

二、基于另一列的值对两列求和 #

你提到的“基于另一列的值对两列求和”，其实可以理解为根据某个条件，动态选择要相加的列。举个常见的场景：

场景1：每行中根据条件选择列赋值 #

比如，给每行添加一列，显示当前指定球队（比如主队）的单场黄牌数：

import numpy as np

# 假设我们要提取每行主队的黄牌数，也可以根据其他条件调整逻辑
df["CurrentTeamYellow"] = np.where(df["Role"] == "Home", df["HY"], df["AY"])

场景2：按分组条件合并两列数据 #

其实我们前面统计总黄牌数的方法就是这类需求的延伸：把主客场的球队和对应数据映射到同一列，本质就是基于“主客场”这个隐含条件，把HY和AY的值合并到YellowCards列中，再按球队分组求和——这也是处理这类“分角色统计”问题的通用思路。

内容的提问来源于stack exchange，提问作者Mick G