如何在Pandas中基于多条件从kill列生成death列

需求说明 #

需要为包含player、opponent、kill、team、opponent_team、map、game_id、match_id字段的DataFrame新增death列：

• death列的值来自**同一game_id**下满足以下所有匹配条件的行的kill值：
  1. 当前行player = 目标行opponent
  2. 当前行opponent = 目标行player
  3. 当前行team = 目标行opponent_team
  4. 当前行opponent_team = 目标行team

最优解决方案（高效匹配） #

推荐使用pandas.merge()方法实现，该方法在大数据量下的效率远高于逐行遍历：

代码示例 #

import pandas as pd

# 假设原数据存储在DataFrame df中
# 1. 创建用于匹配的临时表，重命名字段以对应反向匹配关系
match_df = df.rename(
    columns={
        'player': 'opponent_match',
        'opponent': 'player_match',
        'team': 'opponent_team_match',
        'opponent_team': 'team_match',
        'kill': 'death'
    }
)[['game_id', 'opponent_match', 'player_match', 'opponent_team_match', 'team_match', 'death']]

# 2. 按条件合并原表与临时表
result_df = pd.merge(
    df,
    match_df,
    left_on=['game_id', 'player', 'opponent', 'team', 'opponent_team'],
    right_on=['game_id', 'opponent_match', 'player_match', 'opponent_team_match', 'team_match'],
    how='left'
)

# 3. 清理临时字段并处理空值
result_df = result_df.drop(columns=['opponent_match', 'player_match', 'opponent_team_match', 'team_match'])
# 无匹配记录时death设为0，可根据需求改为pd.NA
result_df['death'] = result_df['death'].fillna(0)

代码解释 #

• 临时表重命名：将原表字段转换为反向匹配所需的命名，让合并条件更直观。
• 左连接合并：how='left'确保原表所有行都被保留，不会丢失数据。
• 空值处理：没有对应反向击杀记录的行，death默认设为0，可根据业务需求调整为pd.NA或其他值。

备选方案（逐行匹配，适合小数据集） #

如果数据集规模较小，也可以用apply()逐行查找匹配，但效率较低：

def get_death(row):
    # 构建匹配条件
    mask = (
        (df['game_id'] == row['game_id']) &
        (df['opponent'] == row['player']) &
        (df['player'] == row['opponent']) &
        (df['opponent_team'] == row['team']) &
        (df['team'] == row['opponent_team'])
    )
    matched_kills = df.loc[mask, 'kill']
    # 返回匹配到的kill值，无匹配则返回0
    return matched_kills.iloc[0] if not matched_kills.empty else 0

# 新增death列
df['death'] = df.apply(get_death, axis=1)

内容的提问来源于stack exchange，提问作者Octa