Pandas中统计从X队到Y队的球员月度转会次数优化问询

嘿，我来帮你优化这段代码，顺便还能Fix原代码里的一个潜在逻辑漏洞！先明确你的需求：统计每个月从Team X转会到Team Y的球员总数，而且同一球员当月可能有多条重复记录对吧？

原代码的问题 #

原代码虽然能得到预期结果，但存在两个明显问题：

1. 步骤冗余：多次分组、去重和索引重置，效率偏低，尤其是数据量较大时会更明显；
2. 逻辑漏洞：没有判断球员是从X转Y，还是从Y转X——如果有球员先加入Y再转到X，原代码会错误地把他的转会月份（X的月份）统计进去。

高效优化方案（两种可选） #

方案一：利用分组获取首次入队时间，精准筛选转会

这个方法通过定位每个球员加入X和Y的最早月份，确保只统计先X后Y的转会：

import pandas as pd

# 给定的原始数据
df = pd.DataFrame({'Player': [1,1,1,1,2,2,2,3,3,3,4,5], 
                   "Team": ['X','X','X','Y','X','X','Y','X','X','Y','X','Y'],
                   'Month': [1,1,1,2,1,1,2,2,2,3,4,5]})

# 1. 获取每个球员加入各队伍的最早月份
player_team_first = df.groupby(['Player', 'Team'])['Month'].min().unstack()

# 2. 筛选：同时加入过X和Y，且X的加入时间早于Y的球员（确保是X→Y转会）
valid_transfers = player_team_first.dropna(subset=['X', 'Y'])
valid_transfers = valid_transfers[valid_transfers['X'] < valid_transfers['Y']]

# 3. 统计每个月份的转会人数（转会月份为加入Y的最早月份）
result = valid_transfers['Y'].value_counts().sort_index().reset_index(name='Count')
result.columns = ['Month', 'Count']

print(result)

输出结果：

Month  Count
0      2      2
1      3      1

方案二：利用移位操作直接定位转会节点

这个方法更直观，通过时间排序+移位对比，直接找到从X切换到Y的那个月份：

import pandas as pd

df = pd.DataFrame({'Player': [1,1,1,1,2,2,2,3,3,3,4,5], 
                   "Team": ['X','X','X','Y','X','X','Y','X','X','Y','X','Y'],
                   'Month': [1,1,1,2,1,1,2,2,2,3,4,5]})

# 1. 按球员和月份排序，确保时间顺序
df_sorted = df.sort_values(['Player', 'Month'])

# 2. 去重同一球员当月的重复记录（保留当月最后一条即可）
df_unique = df_sorted.drop_duplicates(['Player', 'Month'], keep='last')

# 3. 获取每个球员上一个月份的队伍
df_unique['prev_team'] = df_unique.groupby('Player')['Team'].shift(1)

# 4. 筛选：当前队伍是Y，且上一个队伍是X的记录（即转会发生的月份）
transfers = df_unique[(df_unique['Team'] == 'Y') & (df_unique['prev_team'] == 'X')]

# 5. 统计每个月份的转会人数
result = transfers.groupby('Month').size().reset_index(name='Count')

print(result)

输出结果和方案一完全一致，而且逻辑更贴近实际转会场景。

优化后的优势 #

• 效率更高：减少了中间数据框的创建，用更少的分组/操作完成统计；
• 逻辑严谨：精准筛选出X→Y的转会，避免了反向转会的错误统计；
• 可读性强：每一步操作的目的清晰，后续维护更方便。

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