大学橄榄球星级球员统计：填充球队数据集星级人数字段

核心思路 #

先对招募数据集按team+year分组聚合，统计各队每年的星级球员数量，再通过左连接将统计结果映射到球队数据集，确保原有球队数据的完整性。

步骤1：预处理与分组统计（针对招募数据集） #

首先筛选2013-2020年的数据，然后按球队和年份分组，分别计算4_5Stars（4星+5星）和2_3Star players（2星+3星）的数量：

import pandas as pd
import numpy as np

# 加载数据集
recruit_df = pd.read_csv("招募数据集路径.csv")
team_df = pd.read_csv("球队数据集路径.csv")

# 1. 筛选目标年份数据
recruit_filtered = recruit_df[(recruit_df['year'] >= 2013) & (recruit_df['year'] <= 2020)]

# 2. 统一键字段格式（解决合并返回0行的核心问题）
# 消除team字段的大小写/空格差异
recruit_filtered['team'] = recruit_filtered['team'].str.strip().str.lower()
team_df['team'] = team_df['team'].str.strip().str.lower()
# 确保year字段类型一致（统一为整数）
recruit_filtered['year'] = recruit_filtered['year'].astype(int)
team_df['year'] = team_df['year'].astype(int)

# 3. 分组统计星级球员数量
star_stats = recruit_filtered.groupby(['team', 'year']).agg(
    4_5Stars=('stars', lambda x: np.sum((x == 4) | (x == 5))),
    2_3Star players=('stars', lambda x: np.sum((x == 2) | (x == 3)))
).reset_index()

步骤2：合并到球队数据集 #

使用左连接（how='left'）确保球队数据集中的所有行都被保留，空字段自动填充统计结果：

# 合并数据集，以team和year为连接键
final_team_df = pd.merge(
    team_df,
    star_stats,
    on=['team', 'year'],
    how='left'
)

# 处理无招募数据的情况（空值填充为0）
final_team_df['4_5Stars'] = final_team_df['4_5Stars'].fillna(0).astype(int)
final_team_df['2_3Star players'] = final_team_df['2_3Star players'].fillna(0).astype(int)

关键问题排查（针对合并返回0行的情况） #

• 字段格式不匹配：检查team是否存在大小写、空格差异，year是否有字符串/数字类型不一致的情况（比如招募数据是"2019"字符串，球队数据是2019整数）
• 年份范围不匹配：确认球队数据集的年份是否在2013-2020范围内，超出范围的年份合并后对应字段会为空
• 分组键错误：必须同时用team和year作为分组/连接键，同一球队不同年份的招募数据是独立统计单元

后续分析兼容性 #

处理后的final_team_df直接支持后续的统计分析、线性回归（如statsmodels/sklearn）和可视化（如matplotlib/seaborn），所有字段均为结构化数值类型，键字段统一无冲突。

内容的提问来源于stack exchange，提问作者sjohnp2112