如何用Pandas优化球员赛季与单场记录的奖励计算（免双重循环）

实现步骤 #

1. 关联单场与赛季球员数据
   通过merge按Name字段将单场记录与赛季表中的球员位置关联，彻底避免循环匹配：

   # 合并获取每场对应的球员位置
   merged_data = pd.merge(
       Game_Wise_Record,
       Season_Wise_Record[["Name", "Position"]],
       on="Name",
       how="left"
   )
   

2. 加载位置规则字典
   将按位置分Sheet的规则表转为字典，便于快速调用对应位置的奖励规则：

   # 读取所有位置规则并存储为字典（Sheet名对应位置名称）
   rule_book = {}
   xls = pd.ExcelFile("Player Goals File.xlsx")
   for pos in xls.sheet_names:
       rule_book[pos] = pd.read_excel(xls, sheet_name=pos)
   

3. 批量计算单场奖励
   利用apply逐行调用自定义函数，传入单场数据与对应位置的规则表：

   def compute_game_reward(row, rules):
       pos = row["Position"]
       return calculatePointsGame(row, rules.get(pos, pd.DataFrame()))
   
   # 生成每场奖励列
   merged_data["Game_Reward"] = merged_data.apply(
       compute_game_reward,
       axis=1,
       rules=rule_book
   )
   

4. 累加奖励至赛季表
   按球员分组求和单场奖励，再合并回赛季表更新Reward列：

   # 按球员汇总单场总奖励
   player_total = merged_data.groupby("Name")["Game_Reward"].sum().reset_index()
   
   # 合并到赛季表并累加奖励
   Season_Wise_Record = Season_Wise_Record.merge(player_total, on="Name", how="left")
   Season_Wise_Record["Reward"] += Season_Wise_Record["Game_Reward"].fillna(0)
   Season_Wise_Record.drop("Game_Reward", axis=1, inplace=True)
   

额外优化提示 #

• 若calculatePointsGame的逻辑可拆解，优先用Pandas向量化操作（如np.select、条件列计算）替代apply，能进一步提升计算效率。
• 若存在重名球员，可增加Team等字段作为merge的联合键，避免匹配错误。

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