移除DataFrame中Race_Leader行并为各HorseId匹配赛事领跑数据

需求说明 #

我有一个记录赛马赛事分段用时的DataFrame，每个赛事都包含一行HorseId为0、名为Race_Leader的数据（代表赛事领跑者的分段用时，不是真实赛马）。需要完成：

• 移除所有Race_Leader行
• 为每个真实赛马添加对应赛事的领跑者分段用时列（命名为RL Sectionals）

示例输入 #

HorseId    Name             RaceId    Sectionals
0          Race_Leader      123       41.3
224        Winx             123       42.4
225        Black Caviar     123       41.3
226        Rekindling       123       44.4
227        Fabergino        123       43.2

期望输出 #

HorseId    Name             RaceId    Sectionals  RL Sectionals 
224        Winx             123       42.4           41.3
225        Black Caviar     123       41.3           41.3
226        Rekindling       123       44.4           41.3
227        Fabergino        123       43.2           41.3

解决方案 #

这里提供两种实用的pandas处理方式：

方法1：拆分数据后合并（直观易懂）

先提取领跑者的分段用时数据，再和真实赛马数据合并：

import pandas as pd

# 假设你的原始DataFrame名为df
# 1. 提取每个赛事的领跑者分段用时，只保留RaceId和新列RL Sectionals
rl_sectionals = df[df['HorseId'] == 0].rename(columns={'Sectionals': 'RL Sectionals'})[['RaceId', 'RL Sectionals']]

# 2. 筛选出真实赛马数据（排除HorseId=0的行）
real_horses_df = df[df['HorseId'] != 0]

# 3. 按RaceId合并数据，给每个赛马添加上对应赛事的领跑者用时
final_df = real_horses_df.merge(rl_sectionals, on='RaceId', how='left')

方法2：用transform分组广播（高效适合大数据集）

利用groupby+transform直接在原DataFrame上添加列，再过滤行：

import pandas as pd

# 按RaceId分组，提取每组中HorseId=0的Sectionals值，广播到同组所有行
df['RL Sectionals'] = df.groupby('RaceId')['Sectionals'].transform(
    lambda group: group[df.loc[group.index, 'HorseId'] == 0].iloc[0]
)

# 移除领跑者行，重置索引
final_df = df[df['HorseId'] != 0].reset_index(drop=True)

两种方法都能得到你想要的结果，方法2不需要拆分合并，处理大数量级数据时效率更高。

内容的提问来源于stack exchange，提问作者onthepunt