如何为学生数学竞赛数据集添加Last_win列，获取上次夺冠Race_ID

问题描述 #

现有一份按日期降序排列的学生数学竞赛数据集，需新增Last_win列，返回该学生上次（更早的竞赛中）获得Rank 1时的Race_ID，无历史夺冠记录则显示NaN。

原始数据集 #

Race_ID   Date           Student_ID      Rank  
21         1/1/2023       1               3     
21         1/1/2023       2               2     
21         1/1/2023       3               1     
21         1/1/2023       4               4     
25         11/9/2022      1               2     
25         11/9/2022      2               3     
25         11/9/2022      3               1     
3          17/4/2022      5               4     
3          17/4/2022      2               1     
3          17/4/2022      3               2     
3          17/4/2022      4               3     
14         1/3/2022       1               1     
14         1/3/2022       2               2     
85         1/1/2021       1               2     
85         1/1/2021       2               3     
85         1/1/2021       3               1     

预期输出 #

Race_ID   Date           Student_ID      Rank    Last_win
21         1/1/2023       1               3       14
21         1/1/2023       2               2       3
21         1/1/2023       3               1       25
21         1/1/2023       4               4       NaN
25         11/9/2022      1               2       14
25         11/9/2022      2               3       3
25         11/9/2022      3               1       85
3          17/4/2022      5               4       NaN
3          17/4/2022      2               1       NaN
3          17/4/2022      3               2       85
3          17/4/2022      4               3       NaN
14         1/3/2022       1               1       NaN
14         1/3/2022       2               2       NaN
85         1/1/2021       1               2       NaN
85         1/1/2021       2               3       NaN
85         1/1/2021       3               1       NaN

实现代码（Pandas） #

针对大型数据集，采用分组+窗口填充的高效方法：

import pandas as pd

# 读取数据集（若未读取，可替换为pd.read_csv等方法）
# df = pd.read_csv('your_dataset.csv')

# 转换Date列为datetime类型，匹配原始数据的日/月/年格式
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')

# 定义分组处理逻辑
def add_last_win(group):
    # 仅保留Rank=1对应的Race_ID，其余设为NaN
    win_races = group['Race_ID'].where(group['Rank'] == 1)
    # 向下移位获取更早的竞赛记录，再向后填充得到最近的历史夺冠Race_ID
    group['Last_win'] = win_races.shift(-1).bfill()
    return group

# 应用分组处理
df = df.groupby('Student_ID', group_keys=False).apply(add_last_win)

# 查看结果（可选）
print(df)

代码说明 #

• groupby('Student_ID')：按学生分组，确保仅在同一学生的竞赛记录中查找历史夺冠记录；
• where(group['Rank'] == 1)：过滤出该学生所有夺冠的竞赛ID；
• shift(-1)：将夺冠ID向下移动一行，对应当前行之后（更早）的竞赛记录；
• bfill()：向后填充NaN，自动找到当前行之后最近的夺冠ID，无记录则保留NaN。

内容的提问来源于stack exchange，提问作者Apook