Pandas如何动态从主DataFrame生成各时点在场球员数据集

原有代码的问题是仅匹配了initial_time等于当前时点的新增变动记录，没有覆盖存量在场球员。判断某时点t的在场球员核心逻辑非常直接：只要球员的某段位置/参赛记录满足记录起始时间早于等于t、记录结束时间晚于t，该球员就处于在场状态，对应的initial_position就是他在t时点的场上位置。

如果你的时间字段是MM:SS格式的字符串，建议先转成数值类型做大小比较，避免字符串字典序比较带来的异常，完整代码如下：

import pandas as pd

# 时间转数值：把"MM:SS"格式转为分钟数值，比如"45:00"转成45，"67:30"转成67.5
def ts2min(time_str):
    minute, second = map(int, time_str.split(":"))
    return minute + second / 60

# 新增数值类型的时间列，用于区间判断
df["init_min"] = df["initial_time"].apply(ts2min)
df["end_min"] = df["ending_time"].apply(ts2min)

# 提取所有需要生成快照的调整时间点
check_points = df["initial_time"].unique()

# 遍历每个时点生成在场球员快照
snapshot_dict = {}
for point in check_points:
    point_min = ts2min(point)
    # 筛选当前时点覆盖的在场记录
    current_on_court = df[
        (df["init_min"] <= point_min) &
        (df["end_min"] > point_min)
    ][["country", "player_name", "initial_position"]]
    # 去重后重置索引，避免异常重复数据
    current_on_court = current_on_court.drop_duplicates().reset_index(drop=True)
    # 存入字典，key和你之前的命名逻辑保持一致，把时间里的冒号去掉避免key格式问题
    snapshot_dict[f"df_{point.replace(':', '')}"] = current_on_court

需要取某个时点的在场名单时，直接从字典里按key提取即可，比如取45:00的名单：

df_4500 = snapshot_dict["df_4500"]

• 请提前确认数据逻辑：所有首发球员的initial_time统一为开场时间（通常是00:00），所有终场离场记录的ending_time统一为终场时间（常规时间通常是90:00），这样生成的00:00快照就是完整首发名单，90:00前的最后一个调整时点快照也不会漏人。
• 该逻辑天然兼容换人、战术变阵、加时赛场景，只要原始记录里的initial_time/ending_time能准确覆盖球员每一段位置状态的起止区间即可。
• 代码里的drop_duplicates()是容错处理，正常数据不会触发，仅用于避免原始数据重复录入导致的名单异常。

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