基于For循环按position_new字段拆分足球球员统计DataFrame的技术咨询

我来帮你搞定这个按位置分组的循环实现问题！你的思路是对的，不过原来的代码在循环逻辑和条件判断上有点小问题，下面给你修正后的方案：

正确的实现思路 #

我们可以先定义一个分组规则字典，把每个目标变量对应的位置列表存起来，然后循环这个字典来自动完成筛选和变量赋值。这样既简洁又容易维护，以后要修改分组规则直接改字典就行。

代码实现 #

方式1：直接创建目标变量（适合快速使用）

# 定义分组规则：键是变量名，值是对应的position_new取值列表
position_groups = {
    'att': ['FW', 'LW', 'RW'],
    'mid': ['AM', 'CM', 'DM', 'LM', 'RM'],
    'defender': ['CB', 'DF', 'GK', 'LB', 'MF', 'RB', 'WB']
}

# 循环分组规则，自动生成对应的变量
for var_name, positions in position_groups.items():
    # 筛选position_new在指定列表中的行，并赋值给对应的变量
    globals()[var_name] = df[df['position_new'].isin(positions)].copy()

方式2：用字典存储分组结果（更规范，避免全局变量混乱）

如果不想创建太多全局变量，推荐用字典来统一存储所有分组结果，方便后续操作：

position_groups = {
    'att': ['FW', 'LW', 'RW'],
    'mid': ['AM', 'CM', 'DM', 'LM', 'RM'],
    'defender': ['CB', 'DF', 'GK', 'LB', 'MF', 'RB', 'WB']
}

# 创建一个空字典来存储分组后的DataFrame
grouped_dfs = {}
for var_name, positions in position_groups.items():
    grouped_dfs[var_name] = df[df['position_new'].isin(positions)].copy()

# 使用时直接通过字典键调用，比如 grouped_dfs['att']

关键说明 #

1. isin()方法：用来判断position_new的值是否在指定列表中，这是多值筛选的正确写法，替代你原来错误的df.loc[df['position_new'] == 'FW', 'LW', 'RW']。
2. copy()方法：加上这个是为了避免后续修改分组后的DataFrame时影响原数据，属于安全操作。
3. 循环逻辑：我们循环的是分组规则字典，而不是原DataFrame的列，这样一次循环就能完成所有分组的创建，完全替代重复的硬编码。

内容的提问来源于stack exchange，提问作者Kasper