Pandas实战：如何依据当前行之前的所有行修改当前行条目

我正在借助英格兰足球比分数据学习Pandas，现有一份按日期排序的比赛数据，其中FTR字段代表全场比赛结果：H为主队获胜，A为客队获胜，D为平局。我尝试创建HTWTD（主队到当前为止的累计胜场数）和ATWTD（客队到当前为止的累计胜场数）两列，但目前的方法仅在球队首次参赛时数据正确——比如第9行中Leeds作为主队获胜，他们在第2行已以客队身份赢过一场，此时HTWTD应显示为2，但当前仅为1。

我需要的逻辑是：对每一行，查找当前行之前的所有记录，获取目标球队之前的累计胜场数，加上当前这场的胜场（若获胜）填入对应列；若之前未参赛，则按当前胜场数（1或0）填写。希望用Pandas原生方法实现，无需编写自定义Python函数。

附原始数据表格：

解决方案（Pandas原生实现） #

核心思路是先统一整理所有球队的胜场记录，再按比赛顺序计算累计胜场，最后映射回原数据：

1. 拆分并合并球队胜场记录 #

先分别标记主、客队的胜场，再将主、客队视角的记录合并为统一结构：

import pandas as pd

# 生成主、客队胜场标记（1表示获胜，0表示未获胜）
df['home_win'] = (df['FTR'] == 'H').astype(int)
df['away_win'] = (df['FTR'] == 'A').astype(int)

# 拆分主队记录：球队名、胜场、日期
home_records = df[['Date', 'HomeTeam', 'home_win']].rename(columns={'HomeTeam': 'Team', 'home_win': 'Win'})
# 拆分客队记录：球队名、胜场、日期
away_records = df[['Date', 'AwayTeam', 'away_win']].rename(columns={'AwayTeam': 'Team', 'away_win': 'Win'})

# 合并所有记录并按日期排序（原数据已排序，此步骤确保顺序正确）
all_records = pd.concat([home_records, away_records]).sort_values('Date').reset_index(drop=True)

2. 计算每支球队的累计胜场 #

用groupby结合cumsum实现按球队的累计胜场计算：

# 按球队分组，计算到当前记录为止的累计胜场
all_records['Cumulative_Wins'] = all_records.groupby('Team')['Win'].cumsum()

3. 将累计胜场映射回原数据 #

通过合并操作，把累计胜场分别匹配到原数据的HTWTD和ATWTD列：

# 为主队匹配累计胜场
df = pd.merge(
    df,
    all_records.groupby(['Team', 'Date'])['Cumulative_Wins'].last().reset_index(),
    left_on=['HomeTeam', 'Date'],
    right_on=['Team', 'Date'],
    how='left'
).rename(columns={'Cumulative_Wins': 'HTWTD'}).drop('Team', axis=1)

# 为客队匹配累计胜场
df = pd.merge(
    df,
    all_records.groupby(['Team', 'Date'])['Cumulative_Wins'].last().reset_index(),
    left_on=['AwayTeam', 'Date'],
    right_on=['Team', 'Date'],
    how='left'
).rename(columns={'Cumulative_Wins': 'ATWTD'}).drop('Team', axis=1)

# 保留原始列顺序
df = df[['Row', 'Date', 'HomeTeam', 'AwayTeam', 'FTR', 'HTWTD', 'ATWTD']]

结果验证 #

处理后第9行Leeds的HTWTD会更新为2，符合预期。整个流程完全使用Pandas原生函数，无需自定义复杂函数。

内容的提问来源于stack exchange，提问作者Stewart