在R中为时序赛事数据添加玩家累计参赛场次字段（续）

我有一份按时间顺序排列的赛事数据集，每条记录对应玩家在赛事中的一个动作。需要新增Games_Played字段，表示该时刻对应玩家的累计参赛场次。之前用分组+cumsum的方案在这里不生效，因为同一个赛事中玩家的多条动作记录会导致累计次数重复计算。

原数据集 #

期望结果（含Games_Played字段） #

解决方案（Pandas实现） #

核心思路是先对每个玩家的参赛赛事去重，再计算累计场次，最后关联回原数据，避免同赛事内多条记录重复累加：

import pandas as pd

# 加载原数据
df = pd.DataFrame({
    'GAME_ID': [1,1,1,1,2,2,2,3,3,3],
    'EVENT_ID': [1,2,3,4,1,2,3,1,2,3],
    'EVENT_TYPE': ['MADE_SHOT','MADE_SHOT','MISSED_SHOT','MADE_SHOT','MADE_SHOT','MADE_SHOT','MADE_SHOT','MISSED_SHOT','MADE_SHOT','MISSED_SHOT'],
    'PLAYER_ID': [25,22,25,22,25,22,30,25,22,30]
})

# 步骤1：去重每个玩家的参赛赛事，保留唯一的PLAYER_ID + GAME_ID组合
player_games = df[['PLAYER_ID', 'GAME_ID']].drop_duplicates()

# 步骤2：按玩家分组，对GAME_ID排序后计算累计参赛场次
player_games['Games_Played'] = player_games.groupby('PLAYER_ID').cumcount() + 1

# 步骤3：将结果合并回原数据集
result_df = df.merge(player_games, on=['PLAYER_ID', 'GAME_ID'], how='left')

# 输出结果（保持原数据顺序）
print(result_df)

代码说明 #

• drop_duplicates()：确保每个玩家的每个赛事只被计数一次，避免同赛事内多条动作记录导致累计次数错误
• groupby('PLAYER_ID').cumcount() + 1：对每个玩家的赛事按顺序计数，cumcount()从0开始，所以加1得到从1开始的累计场次
• merge()：将计算好的累计场次关联回原数据，保证每条动作记录都能匹配到对应的Games_Played值

内容的提问来源于stack exchange，提问作者LesGrossman