如何基于game_scores取值从tempo DataFrame指定索引获取对应数据

现有DataFrame结构 #

game_scores #

Team     possessions    game_num
Duke     65             1
UNC      70             2

tempo #

Team     g0_tempo     g1_tempo
Duke     60           63
UNC      64           65

需求目标 #

根据game_scores里的球队和场次，匹配tempo中对应球队第N场比赛前的节奏值：比如Duke的game_num是1，对应取g0_tempo的60；UNC的game_num是2，对应取g1_tempo的65，逻辑等价于tempo[球队匹配行, 列位置=game_num]（示例中对应tempo[1,1]）。

原代码问题分析 #

你提供的代码存在几个问题：

• 变量名不统一：原DataFrame名为game_scores，代码里写成了game_score；tempo中没有tempo列，只有g0_tempo、g1_tempo这类命名的列
• 索引逻辑错误：直接用向量匹配行索引会导致维度不匹配，且未处理场次与节奏列的对应关系（game_num为1对应g0_tempo，需要做game_num-1的转换）
• 无需使用mean()，此处只需提取单个匹配值

修正后的实现方案 #

方法1：基础索引匹配（原生R） #

通过遍历每行数据，匹配球队并构造目标列名取值：

# 为game_scores新增tempo_adj列
game_scores$tempo_adj <- mapply(function(team, gn) {
  # 定位对应球队的行
  team_row <- tempo[tempo$Team == team, ]
  # 构造目标节奏列名：g(gn-1)_tempo
  target_col <- paste0("g", gn - 1, "_tempo")
  # 返回对应值
  team_row[[target_col]]
}, game_scores$Team, game_scores$game_num)

运行后game_scores的结果：

Team     possessions    game_num    tempo_adj
Duke     65             1           60
UNC      70             2           65

方法2：数据重塑+合并（tidyverse风格） #

如果使用tidyverse工具包，可先将tempo转成长格式再合并，更适合批量处理：

library(tidyverse)

# 将tempo从宽格式转成长格式，提取场次索引
tempo_long <- tempo %>%
  pivot_longer(cols = starts_with("g"), 
               names_to = "game_index", 
               values_to = "tempo_value") %>%
  mutate(game_index = as.integer(str_extract(game_index, "\\d+")))

# 合并数据，匹配球队且场次索引=game_num-1
game_scores <- game_scores %>%
  left_join(tempo_long, by = c("Team" = "Team", "game_num" = "game_index")) %>%
  rename(tempo_adj = tempo_value)

原代码逻辑修正版 #

如果要基于你最初的代码逻辑调整，修正后代码如下：

game_scores$tempo_adj <- mapply(function(team, gn) {
  # 找到对应球队的行索引
  row_idx <- which(tempo$Team == team)
  # 计算目标列索引：gn-1 + 2（第1列是Team，g0_tempo为第2列）
  col_idx <- (gn - 1) + 2
  # 返回对应位置的值
  tempo[row_idx, col_idx]
}, game_scores$Team, game_scores$game_num)

内容的提问来源于stack exchange，提问作者user20576430