如何在Python中筛选同一Match_ID下进球后30分钟内的射门行？

需求说明 #

从足球射门数据集中，保留同一赛事（Match_ID）里，发生在任意一次进球（Shot_Outcome为Goal）之后30分钟内的射门记录。比如示例数据中，第3行（45分钟，距30分钟进球15分钟）和第6行（47分钟，距34分钟进球13分钟）符合条件，需要保留。

实现步骤（适合Python新手） #

假设你的数据集已经以pandas DataFrame形式存储，变量名为df。

方法1：直观易懂（适合小数据集）

1. 提取各赛事的进球分钟数
   先把每个赛事下所有进球发生的分钟数整理成字典，方便后续查询：

import pandas as pd

# 筛选出所有进球记录，按Match_ID分组提取分钟数，转成字典
goal_minutes = df[df['Shot_Outcome'] == 'Goal'].groupby('Match_ID')['Minute'].apply(list).to_dict()

2. 定义判断函数
   写一个函数，检查单条射门记录是否满足"在某进球后30分钟内"的条件：

def check_within_30(row):
    # 获取当前记录的赛事ID和分钟数
    match_id = row['Match_ID']
    current_min = row['Minute']
    # 如果该赛事没有进球，直接排除
    if match_id not in goal_minutes:
        return False
    # 检查是否存在任意一个进球，满足当前时间在其之后且不超过30分钟
    return any(0 <= current_min - goal_min <= 30 for goal_min in goal_minutes[match_id])

3. 筛选符合条件的记录
   用apply遍历每条记录，筛选出满足条件的行：

filtered_df = df[df.apply(check_within_30, axis=1)]

方法2：高效向量化操作（适合大数据集）

如果你的数据集规模很大，apply遍历会比较慢，可以用pandas的合并操作实现批量计算：

# 第一步：提取所有进球记录，并重命名分钟列
goal_records = df[df['Shot_Outcome'] == 'Goal'][['Match_ID', 'Minute']].rename(columns={'Minute': 'Goal_Minute'})

# 第二步：将原数据和进球记录按Match_ID合并，同一赛事的每个进球都会和所有射门记录配对
merged_data = df.merge(goal_records, on='Match_ID', how='left')

# 第三步：筛选时间差符合条件的记录，然后去重（避免同一射门被多次匹配）
filtered_df = merged_data[
    (merged_data['Minute'] >= merged_data['Goal_Minute']) & 
    (merged_data['Minute'] - merged_data['Goal_Minute'] <= 30)
].drop_duplicates(subset=df.columns)

测试验证 #

用你提供的示例数据测试，两种方法都会得到符合预期的结果：保留第3行和第6行的记录。

内容的提问来源于stack exchange，提问作者Oskar Mayer