如何基于多列值用查找函数在Pandas DataFrame中新增列

我是Python新手，用Google Colab处理20支英超球队单赛季比赛的CSV数据。先计算各队的累计平均值，再合并成一个大DataFrame。当前DataFrame包含Date、Team、Opposition、cum_avg_xG等列（cum_avg_xG是球队截至对应日期的预期进球平均xG值），但存在比赛重复记录（比如曼城vs伯恩茅斯和伯恩茅斯vs曼城是同一场比赛）。现在需要新增opposition_cum_avg_xG列，根据Date和Opposition匹配对手的cum_avg_xG值（比如曼城对阵伯恩茅斯的行中，该列取伯恩茅斯的0.85），后续还要对cum_avg_GF等其他累计列做相同操作，不知道怎么基于多列在同一个DataFrame里实现这类查找。

核心逻辑 #

要实现这个需求，本质是把原数据里的球队累计值转换成一个可查询的"对手数据字典"，然后通过日期+对手球队的组合，把对应的值匹配回去。

具体步骤 #

1. 提取对手映射表：从合并后的大DataFrame里，把Date、Team和所有累计列单独拎出来，把Team改名为Opposition——这样这张表就代表了"某日期下，某球队的累计值"，正好对应原数据里"某日期下，对阵该球队的对手累计值"。
2. 清理重复记录：因为同一场比赛会被两支球队各记录一次，所以映射表里可能存在重复的(Date, Opposition)组合，需要先去重，确保每个组合只有一条有效数据。
3. 合并匹配数据：用pd.merge把映射表和原数据关联起来，匹配键就是Date和Opposition，自动把对手的累计值填充到新列里。

修改后的完整代码 #

# 上传文件到Colab环境
from google.colab import files
upload = files.upload()

# 导入所需库
import pandas as pd
import numpy as np
import glob
import os

# 定义计算累计平均值的函数
def myfunction(team):
    df_team = pd.read_csv(team)
    # 计算各指标的累计平均值
    df_team['cum_avg_xG'] = df_team['xG'].expanding().mean()
    df_team['cum_avg_GF'] = df_team['GF'].expanding().mean()
    df_team['cum_avg_GA'] = df_team['GA'].expanding().mean()
    df_team['cum_avg_shots'] = df_team['Sh'].expanding().mean()
    # 累计值下移一行（确保是该场比赛前的累计数据）
    df_team[['cum_avg_xG', 'cum_avg_GF', 'cum_avg_GA', 'cum_avg_shots']] = df_team[
        ['cum_avg_xG','cum_avg_GF', 'cum_avg_GA', 'cum_avg_shots']
    ].shift(1)
    df_team = df_team.reset_index(drop=True)
    return df_team

# 合并所有球队的CSV数据
path = '/content/' 
all_files = glob.glob(os.path.join(path , "*.csv"))

team_temp = []
for filename in all_files:
    df = myfunction(filename)
    team_temp.append(df)
df_allteam = pd.concat(team_temp, axis=0, ignore_index=True)

# ------------------------------
# 新增：匹配对手的累计平均值列
# ------------------------------
# 1. 创建对手数据映射表，重命名Team为Opposition
cum_columns = ['cum_avg_xG', 'cum_avg_GF', 'cum_avg_GA', 'cum_avg_shots']
opponent_map = df_allteam[['Date', 'Team'] + cum_columns].rename(
    columns={'Team': 'Opposition'}
)
# 清理重复记录：确保每个(Date, Opposition)组合只有一条数据（保留最后一条）
opponent_map = opponent_map.drop_duplicates(subset=['Date', 'Opposition'], keep='last')

# 2. 将对手数据合并到原DataFrame
df_allteam = pd.merge(
    df_allteam,
    opponent_map,
    on=['Date', 'Opposition'],
    how='left',
    suffixes=('', '_opponent')
)

# 3. 重命名对手列，统一前缀为opposition_
for col in cum_columns:
    df_allteam.rename(columns={f'{col}_opponent': f'opposition_{col}'}, inplace=True)

# 查看处理后的结果
df_allteam.head()

关键细节说明 #

• 去重操作：drop_duplicates(subset=['Date', 'Opposition'], keep='last')是为了避免合并后出现重复行，如果你的原始数据里每个(Date, Team)都是唯一的，这一步可以跳过，但加上更稳妥。
• 左连接方式：how='left'保证原DataFrame的所有行都保留，要是遇到赛季第一场比赛（对手还没有累计数据），对应列会显示NaN，可以根据需求用df_allteam.fillna(0, inplace=True)填充。
• 列名重命名：通过后缀区分原列和对手列，再统一改成opposition_cum_avg_xG这种格式，方便后续识别和使用。

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