如何基于主客场排名差异使用多条件语句计算进球乘数？

首先需要明确：你的需求描述和示例存在逻辑矛盾：

• 需求中规定「己方排名高于对手时，进球数×0.45」
• 但示例里，Ducks（主队，排名1）高于Frogs（客队，排名2），却要求执行「home_goals×0.15」

下面分两种情况给出实现方案：

情况1：严格遵循需求描述的规则 #

规则：

• 己方排名低于对手（己方rank数字 > 对手rank数字）：进球数×0.15
• 双方排名持平：进球数×0.30
• 己方排名高于对手（己方rank数字 < 对手rank数字）：进球数×0.45

用Python Pandas批量处理示例数据的代码：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'home_team': ['Ducks', 'Frogs', 'Eagles'],
    'away_team': ['Frogs', 'Eagles', 'Ducks'],
    'rank_home': [1, 3, 2],
    'rank_away': [2, 3, 1],
    'home_goals': [4, 6, 5],
    'away_goals': [1, 3, 5]
})

# 计算主队加权进球
df['weighted_home'] = np.select(
    [
        df['rank_home'] > df['rank_away'],  # 主队排名低于客队
        df['rank_home'] == df['rank_away'], # 排名持平
        df['rank_home'] < df['rank_away']   # 主队排名高于客队
    ],
    [
        df['home_goals'] * 0.15,
        df['home_goals'] * 0.30,
        df['home_goals'] * 0.45
    ]
)

# 计算客队加权进球
df['weighted_away'] = np.select(
    [
        df['rank_away'] > df['rank_home'],  # 客队排名低于主队
        df['rank_away'] == df['rank_home'], # 排名持平
        df['rank_away'] < df['rank_home']   # 客队排名高于主队
    ],
    [
        df['away_goals'] * 0.15,
        df['away_goals'] * 0.30,
        df['away_goals'] * 0.45
    ]
)

print(df)

运行结果中，索引0的Ducks加权进球为 4×0.45=1.8，符合需求描述的规则。

情况2：严格遵循示例的操作逻辑 #

规则（根据示例推导）：

• 己方排名高于对手（己方rank数字 < 对手rank数字）：进球数×0.15
• 双方排名持平：进球数×0.30
• 己方排名低于对手（己方rank数字 > 对手rank数字）：进球数×0.45

调整后的代码只需修改权重值的顺序：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'home_team': ['Ducks', 'Frogs', 'Eagles'],
    'away_team': ['Frogs', 'Eagles', 'Ducks'],
    'rank_home': [1, 3, 2],
    'rank_away': [2, 3, 1],
    'home_goals': [4, 6, 5],
    'away_goals': [1, 3, 5]
})

# 计算主队加权进球（匹配示例逻辑）
df['weighted_home'] = np.select(
    [
        df['rank_home'] < df['rank_away'],  # 主队排名高于客队
        df['rank_home'] == df['rank_away'], # 排名持平
        df['rank_home'] > df['rank_away']   # 主队排名低于客队
    ],
    [
        df['home_goals'] * 0.15,
        df['home_goals'] * 0.30,
        df['home_goals'] * 0.45
    ]
)

# 计算客队加权进球（匹配示例逻辑）
df['weighted_away'] = np.select(
    [
        df['rank_away'] < df['rank_home'],  # 客队排名高于主队
        df['rank_away'] == df['rank_home'], # 排名持平
        df['rank_away'] > df['rank_home']   # 客队排名低于主队
    ],
    [
        df['away_goals'] * 0.15,
        df['away_goals'] * 0.30,
        df['away_goals'] * 0.45
    ]
)

print(df)

运行结果中，索引0的Ducks加权进球为 4×0.15=0.6，完全匹配示例要求。

关于条件语句的说明 #

这里不需要使用and/or，因为三个条件是互斥且覆盖所有可能情况的，直接通过if-elif-else（单条数据处理）或np.select（批量数据处理）按顺序判断即可。

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