如何不使用for循环在Pandas中填充网球对战的last_winner字段？

需求说明 #

给定网球比赛数据集，需为每条记录填充对战双方此前的最后一位胜者，无历史对战则填"none"。

原始数据 #

目标输出 #

现有for loop实现 #

for i,j in tennis.iterrows() :
    
    try :
        tennis.loc[i, 'last_winner'] = tennis.iloc[:i].loc[(tennis.player_1.isin([j.player_1, j.player_2]) & tennis.player_2.isin([j.player_1, j.player_2])), "winner"].iloc[-1]
    except:
        tennis.loc[i, 'last_winner'] = "none"

用apply实现的替代方案 #

当然可以用apply结合自定义函数实现，核心是先为每对对战组合生成唯一标识（忽略球员顺序），再针对每行回溯历史记录：

步骤1：生成对战组合唯一键 #

为了统一A vs B和B vs A的对战标识，将两位球员按字母排序后拼接：

def create_match_key(row):
    return '-'.join(sorted([row['player_1'], row['player_2']]))

tennis['match_key'] = tennis.apply(create_match_key, axis=1)

步骤2：自定义函数获取历史最后胜者 #

遍历每行，筛选当前行之前的同组合记录，取最后一个胜者：

def get_previous_winner(row):
    # 取当前行之前的所有记录，筛选同对战组合的条目
    prior_matches = tennis.loc[:row.name - 1][tennis['match_key'] == row['match_key']]
    return prior_matches['winner'].iloc[-1] if not prior_matches.empty else 'none'

# 应用函数填充last_winner列
tennis['last_winner'] = tennis.apply(get_previous_winner, axis=1)

# 可选：删除临时生成的match_key列
tennis = tennis.drop(columns=['match_key'])

方案优势 #

• 代码结构更清晰，逻辑拆分明确；
• 相比iterrows()的逐行循环，apply更贴合pandas的API设计，可读性更强；
• 对战组合的唯一键避免了重复判断player_1和player_2的双向匹配，减少逻辑冗余。

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