如何用Python计算DataFrame中球队最近5场比赛的进球积分？

核心问题分析 #

你当前代码仅按Home字段分组，只能统计球队作为主队的最近5场数据，完全忽略了他们作为客队的场次。要实现主客场混合的过往5场统计，需要先重构数据，把每个球队的所有主客场比赛统一整理，再计算滚动积分。

解决步骤 #

1. 重构数据：生成每个球队的单场记录 #

把每场比赛拆成两条独立记录——一条对应主队，一条对应客队，记录球队的进球、失球、主场状态，这样就能统一统计所有场次。

import pandas as pd

# 读取并整理原始数据
webs = pd.read_csv('https://www.football-data.co.uk/mmz4281/2223/T1.csv')
tk = webs[['Date','HomeTeam','AwayTeam','FTHG','FTAG','FTR']]
tk.columns = ['Date','Home','Away','FT_Gols_H','FT_Gols_A','FT_Result']

# 转换日期格式（确保时间排序正确）
tk['Date'] = pd.to_datetime(tk['Date'], dayfirst=True)

# 生成主队记录：球队名、进球、失球、是否主场（1=主场，0=客场）、比赛日期
home_records = tk.rename(columns={
    'Home': 'Team',
    'FT_Gols_H': 'Goals',
    'FT_Gols_A': 'Conceded',
}).assign(Is_Home=1)[['Team', 'Date', 'Goals', 'Conceded', 'Is_Home']]

# 生成客队记录
away_records = tk.rename(columns={
    'Away': 'Team',
    'FT_Gols_A': 'Goals',
    'FT_Gols_H': 'Conceded',
}).assign(Is_Home=0)[['Team', 'Date', 'Goals', 'Conceded', 'Is_Home']]

# 合并所有球队记录并按球队+日期排序
team_records = pd.concat([home_records, away_records], ignore_index=True)
team_records = team_records.sort_values(['Team', 'Date']).reset_index(drop=True)

2. 计算单场积分与滚动累计积分 #

按照规则计算单场的进球/失球积分，再用滚动窗口统计最近5场的累计值，shift(1)确保只取本场比赛之前的数据（符合赛前分析需求）：

• 进球积分：主场进球每球1分，客场进球每球2分
• 失球积分：主场失球每球1分，客场失球每球2分

# 计算单场进球积分和失球积分
team_records['Goal_Per_Game'] = team_records.apply(
    lambda x: x['Goals'] * 1 if x['Is_Home'] else x['Goals'] * 2, axis=1
)
team_records['Concede_Per_Game'] = team_records.apply(
    lambda x: x['Conceded'] * 1 if x['Is_Home'] else x['Conceded'] * 2, axis=1
)

# 计算最近5场累计进球积分、失球积分
team_records['Last5_Goal_Points'] = team_records.groupby('Team')['Goal_Per_Game']\
    .rolling(window=5, min_periods=1).sum().reset_index(0, drop=True).shift(1)
team_records['Last5_Concede_Points'] = team_records.groupby('Team')['Concede_Per_Game']\
    .rolling(window=5, min_periods=1).sum().reset_index(0, drop=True).shift(1)

3. 将积分合并回原比赛数据 #

把计算好的主客队过往积分匹配到原始比赛数据框中：

# 匹配主队的最近5场积分
tk = tk.merge(
    team_records[['Team', 'Date', 'Last5_Goal_Points', 'Last5_Concede_Points']],
    left_on=['Home', 'Date'],
    right_on=['Team', 'Date'],
    how='left'
).rename(columns={
    'Last5_Goal_Points': 'Home_Last5_Goal_Pts',
    'Last5_Concede_Points': 'Home_Last5_Concede_Pts'
}).drop('Team', axis=1)

# 匹配客队的最近5场积分
tk = tk.merge(
    team_records[['Team', 'Date', 'Last5_Goal_Points', 'Last5_Concede_Points']],
    left_on=['Away', 'Date'],
    right_on=['Team', 'Date'],
    how='left'
).rename(columns={
    'Last5_Goal_Points': 'Away_Last5_Goal_Pts',
    'Last5_Concede_Points': 'Away_Last5_Concede_Pts'
}).drop('Team', axis=1)

最终效果 #

处理后的tk数据框会新增4个字段：

• Home_Last5_Goal_Pts：主队赛前最近5场（主客场混合）的总进球积分
• Home_Last5_Concede_Pts：主队赛前最近5场的总失球积分
• Away_Last5_Goal_Pts：客队赛前最近5场的总进球积分
• Away_Last5_Concede_Pts：客队赛前最近5场的总失球积分

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