如何基于Pandas构建俱乐部唯一的最高总分足球阵容（含同分规则）

1. 数据预处理：按优先级排序 #

先对每个位置的球员按总分降序、出场时间降序排序，确保每个位置里优先级最高的球员排在最前面，后续筛选时能优先锁定优质候选人。

# 假设你的DataFrame名为df，包含字段：club, position, total_score, minutes_played
df_sorted = df.sort_values(by=['position', 'total_score', 'minutes_played'], ascending=[True, False, False])

2. 定义阵型位置配额 #

先明确不同阵型的位置人数要求，比如：

• 4-3-3：{'GK':1, 'DF':4, 'MF':3, 'FW':3}
• 4-4-2：{'GK':1, 'DF':4, 'MF':4, 'FW':2}
  后续逻辑会基于这个配额筛选球员。

3. 构建最优阵容：两种可行方案 #

方案一：整数规划（推荐，高效准确） #

用pulp库构建线性规划模型，直接求解满足约束的最优解，同时处理同分优先级：

• 目标函数：最大化选中球员的总分之和，同时给出场时间加微小权重（比如除以10000），确保同分情况下出场时间更长的球员被优先选中
• 约束条件：位置人数符合阵型要求、每个俱乐部最多选1人

代码示例：

import pulp

# 以4-3-3阵型为例定义配额
formation = {'GK':1, 'DF':4, 'MF':3, 'FW':3}

# 创建最大化问题
prob = pulp.LpProblem("OptimalFootballTeam", pulp.LpMaximize)

# 为每个球员创建0/1变量（1表示选中）
player_vars = pulp.LpVariable.dicts("Player", df.index, cat='Binary')

# 目标函数：总分 + 微小权重的出场时间（解决同分优先级）
prob += pulp.lpSum(
    [(df.loc[i, 'total_score'] + df.loc[i, 'minutes_played']/10000) * player_vars[i] 
     for i in df.index]
)

# 约束1：每个位置的选中人数匹配阵型
for pos, count in formation.items():
    prob += pulp.lpSum([player_vars[i] for i in df.index if df.loc[i, 'position'] == pos]) == count

# 约束2：每个俱乐部最多选中1人
for club in df['club'].unique():
    prob += pulp.lpSum([player_vars[i] for i in df.index if df.loc[i, 'club'] == club]) <= 1

# 求解（关闭日志输出）
prob.solve(pulp.PULP_CBC_CMD(msg=0))

# 获取最终选中的球员
selected_players = df.loc[[i for i in df.index if pulp.value(player_vars[i]) == 1]]
print(selected_players)

方案二：回溯法（适合小数据集） #

通过递归遍历候选球员，跳过已选俱乐部的候选人，记录总分最高的组合，同时处理同分情况：

best_team = None
best_total = -float('inf')
# 定义4-3-3阵型配额
formation = {'GK':1, 'DF':4, 'MF':3, 'FW':3}

def backtrack(positions_left, selected_clubs, current_team, current_total):
    global best_team, best_total
    # 所有位置选完，更新最优解
    if not positions_left:
        if current_total > best_total:
            best_total = current_total
            best_team = current_team.copy()
        elif current_total == best_total:
            # 同分比较总出场时间
            current_minutes = sum(df.loc[p, 'minutes_played'] for p in current_team)
            best_minutes = sum(df.loc[p, 'minutes_played'] for p in best_team)
            if current_minutes > best_minutes:
                best_team = current_team.copy()
        return
    
    current_pos = next(iter(positions_left.keys()))
    needed = positions_left[current_pos]
    
    # 遍历当前位置未被选俱乐部的球员（按优先级排序）
    for idx, row in df_sorted[df_sorted['position'] == current_pos].iterrows():
        if row['club'] in selected_clubs:
            continue
        # 选择该球员
        selected_clubs.add(row['club'])
        current_team.append(idx)
        # 更新剩余位置需求
        positions_left[current_pos] -= 1
        if positions_left[current_pos] == 0:
            del positions_left[current_pos]
        # 递归
        backtrack(positions_left.copy(), selected_clubs.copy(), current_team.copy(), current_total + row['total_score'])
        # 回溯
        if current_pos not in positions_left:
            positions_left[current_pos] = 1
        else:
            positions_left[current_pos] += 1
        current_team.pop()
        selected_clubs.remove(row['club'])

# 启动回溯
backtrack(formation.copy(), set(), [], 0)
# 输出最优队伍
if best_team:
    print(df.loc[best_team])

4. 消除重复队伍的方法 #

重复队伍通常源于同分同优先级的球员组合，或算法遍历了相同选择路径，可通过以下方式解决：

• 预处理阶段：对每个位置+俱乐部的球员只保留优先级最高的1位（即同位置同俱乐部仅留总分最高、出场时间最长的球员），减少候选数量
• 回溯法中：记录已访问过的俱乐部组合，跳过重复的选择路径
• 整数规划中：通过给出场时间加微小权重，确保最优解唯一；若仍有多个最优解，可增加额外优先级规则（如球员年龄、进球数等）

内容的提问来源于stack exchange，提问作者jscholten