如何使用Pandas的apply()方法按字典权重缩放足球统计数据列

首先要注意：你的权重字典里的键和DataFrame列名存在不匹配——字典里的Ass对应DataFrame的Ast，Fld对应Fls，得先修正权重字典的键名，否则无法正确匹配列：

# 修正后的权重字典
weights = {
    'Gls':8,
    'Ast':5,
    'SoT':1.5,
    'Sha':1.3,
    'Crs':1.2,
    'Fls':1.2
}

接下来用apply()方法实现加权，推荐按列处理（效率更高），代码如下：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'team': ['Arg'],
    'match': [987.],
    'Gls': [0.11],
    'Ast': [0.04],
    'SoT': [0.8],
    'Sha': [0.5],
    'Crs': [0.2],
    'Fls': [0.65]
})

# 使用apply按列加权，非权重列保持原值（乘1）
weighted_df = df.apply(lambda col: col * weights.get(col.name, 1), axis=0)

print(weighted_df)

代码说明： #

• axis=0表示按列处理，每一列作为参数传入lambda函数
• col.name获取当前处理的列名，weights.get(col.name, 1)用于匹配对应权重，若列名不在权重字典中（比如team、match）则返回1，保持原列值不变
• 最终得到的weighted_df就是各统计列按权重缩放后的结果

如果一定要按行处理（效率略低，适合小数据集），可以这样写：

weighted_df = df.apply(lambda row: pd.Series({
    col: row[col] * weights.get(col, 1) for col in row.index
}), axis=1)

内容的提问来源于stack exchange，提问作者8-Bit Borges