如何基于球员DataFrame构建共同进球关联矩阵？

问题背景 #

现有两个DataFrame：

1. 存储足球球员名单的player DataFrame：

import pandas as pd
player= ["David Gonzalez","Agustin Martinez","Jibrail Al-Hindi","Edward Cahill","Simon Becker","Paolo Imperiali","Amir Bahari","Guilherme Souza"]
player = pd.DataFrame(player, columns=["player_name"])

2. 记录各比赛进球球员的football DataFrame：

需求：构建一个以player中所有球员为行和列的矩阵，若两名球员有共同进球的比赛则对应位置为1，否则为0。尝试过np.zeros((player,scorer))但方向有误，需要矩阵的行和列显示球员名称，值为1或0。

解决方案 #

步骤1：预处理进球数据，过滤有效球员 #

先拆分每场比赛的进球球员，同时过滤掉不在目标球员名单里的外部球员：

import pandas as pd
import numpy as np
from itertools import combinations_with_replacement, chain

# 定义目标球员集合，用于快速校验
player_list = ["David Gonzalez","Agustin Martinez","Jibrail Al-Hindi","Edward Cahill","Simon Becker","Paolo Imperiali","Amir Bahari","Guilherme Souza"]
player_set = set(player_list)

# 处理football的scorer列：拆分字符串、去除空格、过滤有效球员
football['scorer_clean'] = football['scorer'].apply(
    lambda x: [name.strip() for name in x.split(',') if name.strip() in player_set]
)

步骤2：生成球员共同进球的关联对 #

遍历每场比赛的有效球员，生成所有两两组合（包含球员自身，若不需要可调整）：

# 生成单场比赛内的球员两两组合，单球员比赛生成自身对自身的组合
match_pairs = football['scorer_clean'].apply(
    lambda x: list(combinations_with_replacement(x, 2)) if len(x) >=1 else []
)

# 把所有比赛的组合展开为一维列表
all_pairs = list(chain.from_iterable(match_pairs))

步骤3：构建关联矩阵 #

创建全0矩阵并设置行/列名为球员名称，再给有共同进球的位置赋值为1：

# 初始化全0矩阵，行和列都用目标球员名单命名
adj_matrix = pd.DataFrame(
    np.zeros((len(player_list), len(player_list)), dtype=int),
    index=player_list,
    columns=player_list
)

# 遍历所有关联对，给对应位置设为1（矩阵对称，双向赋值）
for p1, p2 in all_pairs:
    adj_matrix.loc[p1, p2] = 1
    adj_matrix.loc[p2, p1] = 1

可选调整 #

• 若不需要对角线（球员自身与自身的关联）为1，将combinations_with_replacement替换为combinations，同时无需处理对角线赋值。
• 若不需要矩阵对称（仅保留行球员与列球员的单向关联），可去掉adj_matrix.loc[p2, p1] = 1这一行。

内容的提问来源于stack exchange，提问作者user20494840