如何在Pandas DataFrame中通过同表查找创建op_team_pace列？

你可以通过两种简单方法实现需求：利用字典映射或DataFrame合并，以下是具体步骤：

先构造示例数据（方便测试） #

import pandas as pd

data = {
    'team': ['ABC', 'ABC', 'KLM', 'KLM', 'XYZ', 'XYZ'],
    'game_code': ['ABC_01-01-2010', 'ABC_02-12-2010', 'KLM_02-12-2010', 'KLM_03-11-2010', 'XYZ_01-01-2010', 'XYZ_03-11-2010'],
    'opponent': ['XYZ', 'KLM', 'ABC', 'XYZ', 'ABC', 'KLM'],
    'team_pace': [50, 48, 65, 62, 47, 63],
    'op_game_code': ['XYZ_01-01-2010', 'KLM_02-12-2010', 'ABC_02-12-2010', 'XYZ_03-11-2010', 'ABC_01-01-2010', 'KLM_03-11-2010']
}

df = pd.DataFrame(data)

方法1：字典映射（高效简洁） #

因为game_code是唯一标识，先创建game_code到team_pace的映射字典，再用op_game_code匹配取值：

# 构建比赛代码到节奏值的映射
pace_mapping = df.set_index('game_code')['team_pace'].to_dict()

# 生成对手节奏值列
df['op_team_pace'] = df['op_game_code'].map(pace_mapping)

方法2：DataFrame合并（直观清晰） #

将原DataFrame与自身合并，通过op_game_code和game_code匹配，提取对手的节奏值：

# 重命名列后合并，匹配对手数据
df = df.merge(
    df[['game_code', 'team_pace']].rename(columns={'game_code': 'op_game_code', 'team_pace': 'op_team_pace'}),
    on='op_game_code',
    how='left'
)

处理后结果 #

两种方法都会得到符合预期的DataFrame：

方法选择 #

• 字典映射：性能更优，适合处理大规模数据集
• 合并方法：逻辑更直观，若后续需要提取对手更多字段，扩展性更强

内容的提问来源于stack exchange，提问作者Ivan