重构博彩数据库用于赔率对比：数据表格式转换技术求助

我在副业项目里需要对比两家博彩机构的赔率，但整理成目标格式时卡壳了。

当前数据表结构 #

目标数据表结构 #

转换要求 #

• 行数缩减一半，仅保留其中一家机构（如Agency A）的数据作为主行
• 将对应反向结果的另一家机构赔率信息转为列：OppositeProvider（对应反向机构）、OppositeOutcomeLabel（原结果的反向标签）、OppositeOdds（反向结果的赔率）
• 需要可扩展的动态解决方案，方便后续新增投注类型或机构

已完成的预处理代码 #

import pandas as pd

data = {
    'Provider': ['Agency A', 'Agency A', 'Agency A', 'Agency A', 'Agency B', 'Agency B', 'Agency B', 'Agency B'],
    'BettingType': ['A', 'A', 'B', 'B', 'A', 'A', 'B', 'B'],  # 修正原代码字段名，对齐数据表
    'OutcomeLabel': ['Higher than 1.5', 'Lower than 1.5', 'Yes', 'No', 'Higher than 1.5', 'Lower than 1.5', 'Yes', 'No'],
    'Odds': [2.0, 3.0, 1.5, 2.0, 1.0, 1.0, 1.0, 1.0]
}

df = pd.DataFrame(data)

# 结果标签反向映射字典
opposite_outcome_label = {
    'Higher than 1.5': 'Lower than 1.5',
    'Lower than 1.5': 'Higher than 1.5',
    'Yes': 'No',
    'No': 'Yes'  # 修正大小写，匹配数据字段
}

# 机构反向映射字典
opposite_provider = {
    'Agency A': 'Agency B',
    'Agency B': 'Agency A'
}

# 生成反向结果和反向机构列
df['OppositeOutcomeLabel'] = df['OutcomeLabel'].map(opposite_outcome_label)
df['OppositeProvider'] = df['Provider'].map(opposite_provider)

解决方案：动态关联反向数据 #

通过Pandas的**合并（merge）**操作关联原数据与反向数据，即可完成格式转换：

# 创建反向数据临时表，用于关联匹配
opposite_df = df[['Provider', 'BettingType', 'OutcomeLabel', 'Odds']].rename(
    columns={
        'Provider': 'OppositeProvider',
        'OutcomeLabel': 'OppositeOutcomeLabel',
        'Odds': 'OppositeOdds'
    }
)

# 合并原表与反向表，关联条件：投注类型一致、反向机构匹配、反向结果标签匹配
final_df = pd.merge(
    df,
    opposite_df,
    on=['BettingType', 'OppositeProvider', 'OppositeOutcomeLabel'],
    how='left'
)

# 筛选保留Agency A的主数据，整理目标列顺序
final_df = final_df[final_df['Provider'] == 'Agency A'][
    ['Provider', 'BettingType', 'OutcomeLabel', 'Odds', 'OppositeProvider', 'OppositeOutcomeLabel', 'OppositeOdds']
]

print(final_df)

方案优势 #

1. 动态可扩展：新增投注类型或机构时，仅需更新opposite_outcome_label和opposite_provider字典，无需修改核心逻辑
2. 高效性能：用merge替代循环/apply，处理大数据量时速度更快
3. 容错性强：通过明确的关联条件匹配数据，避免手动映射出错

运行后输出结果完全符合目标格式：

Provider BettingType     OutcomeLabel  Odds OppositeProvider OppositeOutcomeLabel  OppositeOdds
0  Agency A           A  Higher than 1.5   2.0        Agency B   Lower than 1.5           1.0
1  Agency A           A  Lower than 1.5   3.0        Agency B   Higher than 1.5           1.0
2  Agency A           B              Yes   1.5        Agency B   No                      1.0
3  Agency A           B               No   2.0        Agency B   Yes                     1.0

内容的提问来源于stack exchange，提问作者DataDude