如何基于F1赛事数据在Pandas中生成车手组合新DataFrame？

我有一个记录不同F1车手赛事情况的大型Pandas DataFrame，以Racer_Number为索引，数据结构如下：

Racer_Number    Meeting_Number  Date        Runners a       b
1               1               29/11/2015  4       0.002   0.004
2               1               29/11/2015  4       0.088   0.058
3               1               29/11/2015  4       0.215   0.177
4               1               29/11/2015  4       0.215   0.194
1               2               29/11/2015  3       0.025   0.019
2               2               29/11/2015  3       0.364   0.388
3               2               29/11/2015  3       0.024   0.041
1               3               29/11/2015  5       0.001   0.003
2               3               29/11/2015  5       0.004   0.005
3               3               29/11/2015  5       0.002   0.003
4               3               29/11/2015  5       0.010   0.011
5               3               29/11/2015  5       0.051   0.096

需要生成新DataFrame，要求：

• 每行是同一赛事（相同Meeting_Number）下车手的两两组合，格式为i_j（i<j，避免重复）
• 新增aa列：组合中车手i的a值与车手j的a值的乘积
• 新增ab列：组合中车手i的a值与车手j的b值的乘积

期望输出如下：

Racer_Combination   Meeting_Number  Date        Runners aa          ab
1_2                 1               29/11/2015  4       0.000191    0.000127
1_3                 1               29/11/2015  4       0.000468    0.000386
1_4                 1               29/11/2015  4       0.000468    0.000423
2_3                 1               29/11/2015  4       0.018793    0.015513
2_4                 1               29/11/2015  4       0.018802    0.016991
3_4                 1               29/11/2015  4       0.046069    0.041631
1_2                 2               29/11/2015  3       0.009241    0.009839
1_3                 2               29/11/2015  3       0.000599    0.001033
2_3                 2               29/11/2015  3       0.008605    0.014848
1_2                 3               29/11/2015  5       0.000004    0.000006
1_3                 3               29/11/2015  5       0.000002    0.000004
1_4                 3               29/11/2015  5       0.000012    0.000013
1_5                 3               29/11/2015  5       0.000062    0.000115
2_3                 3               29/11/2015  5       0.000006    0.000013
2_4                 3               29/11/2015  5       0.000036    0.000041
2_5                 3               29/11/2015  5       0.000191    0.000355
3_4                 3               29/11/2015  5       0.000015    0.000017
3_5                 3               29/11/2015  5       0.000079    0.000146
4_5                 3               29/11/2015  5       0.000499    0.000931

实现代码 #

import pandas as pd
from itertools import combinations

# 若原始数据的Racer_Number不是索引，先执行以下语句转换
# df = df.set_index('Racer_Number')

def process_race_group(group):
    # 获取当前赛事的所有车手编号
    racers = group.index.tolist()
    # 生成所有不重复的两两组合（i<j）
    racer_combos = combinations(racers, 2)
    
    result_rows = []
    for racer_i, racer_j in racer_combos:
        # 提取两位车手的a、b值
        a_i, b_i = group.loc[racer_i, ['a', 'b']]
        a_j, b_j = group.loc[racer_j, ['a', 'b']]
        
        # 计算目标列值并保留6位小数
        aa_val = round(a_i * a_j, 6)
        ab_val = round(a_i * b_j, 6)
        
        # 整理行数据，赛事信息取组内统一值
        result_rows.append({
            'Racer_Combination': f"{racer_i}_{racer_j}",
            'Meeting_Number': group['Meeting_Number'].iloc[0],
            'Date': group['Date'].iloc[0],
            'Runners': group['Runners'].iloc[0],
            'aa': aa_val,
            'ab': ab_val
        })
    
    return pd.DataFrame(result_rows)

# 按赛事分组处理并合并结果
final_df = df.groupby('Meeting_Number').apply(process_race_group).reset_index(drop=True)

代码说明 #

1. 分组拆分：通过groupby('Meeting_Number')将数据按赛事拆分，确保只在同一赛事内生成车手组合。
2. 生成组合：使用itertools.combinations生成车手的两两不重复组合，避免i_j和j_i的重复计算。
3. 计算列值：遍历每个组合，提取对应车手的a、b值，计算aa和ab并保留6位小数。
4. 合并结果：将所有分组的处理结果合并，得到最终目标DataFrame。

内容的提问来源于stack exchange，提问作者Apook