如何基于Win/Lose列修改DataFrame的Points累积计算逻辑？

数据老陈

2026-8-10

问题：根据Win/Lose列调整DataFrame的Points计算逻辑

这是此前问题《update a value by running through every row in a data frame with conditions (extension)》的进一步扩展。当前使用的DataFrame新增了Win/Lose列，数据如下：

Index	A	B	A_yes	B_yes	Win/Lose
0	2.43	1.55	1	0	1
1	2.58	1.49	0	1	0
2	1.61	2.32	1	0	1
3	2.7	1.46	1	0	1

其中Win/Lose列中1代表获胜，0代表失败。

目前使用以下代码生成输出：

start = 500
weights = (df["A"].where(df["A_yes"].eq(1), df["B"]) * 0.5 + 0.5).cumprod()
df["Points"] = start * weights

生成的输出DataFrame如下：

Index	A	B	A_yes	B_yes	Points
0	2.43	1.55	1	0	875.5
1	2.58	1.49	0	1	1067.5875
2	1.61	2.32	1	0	1393.2017
3	2.7	1.46	1	0	2557.42324

现需修改代码，使其遵循依赖Win/Lose列的计算规则，得到如下期望输出：

Index	A	B	A_yes	B_yes	Win/Lose	Points
0	2.43	1.55	1	0	1	857.5
1	2.58	1.49	0	1	0	428.75
2	1.61	2.32	1	0	1	707.4375
3	2.7	1.46	1	0	1	1308.75912

解决方案

先拆解计算逻辑：

先根据A_yes/B_yes选择对应的赔率（A或B）
获胜时（Win/Lose=1）：当前Points = 上一轮Points × (0.5×赔率 + 0.5)
失败时（Win/Lose=0）：当前Points = 上一轮Points × 0.5

可以用向量化写法实现（效率更高），代码如下：

import pandas as pd
import numpy as np

start = 500
# 选择对应赔率
odds = df["A"].where(df["A_yes"].eq(1), df["B"])
# 根据胜负计算每轮乘数
multipliers = np.where(df["Win/Lose"] == 1, 0.5 * odds + 0.5, 0.5)
# 计算累积乘积并乘以初始值
df["Points"] = start * multipliers.cumprod()

验证计算结果：