Pandas按对局分组匹配最高分 为DataFrame新增winner列

我有一个存储桌游 Terraforming Mars 对局数据的DataFrame，计划使用pandas完成多项统计计算。该DataFrame包含不同计分规则对应的累计分数字段，以及Game（对局ID）、Player（玩家ID）、Coportation（所选企业）等属性字段，示例结构与数据如下：

列名信息：

>>> df.columns
Index(['Date', 'Game', 'Player', 'Coportation', 'TR', 'MILESTONES', 'AWARDS',
       'CARDS', 'GREENERY', 'CITIES+G', 'Total'],
      dtype='object')

字段类型信息：

>>> df.dtypes
Date           object
Game            int64
Player          int64
Coportation    object
TR              int64
MILESTONES      int64
AWARDS          int64
CARDS           int64
GREENERY        int64
CITIES+G        int64
Total           int64
dtype: object

头部样例数据：

>>> df.head()
          Date  Game  Player Coportation  ...  CARDS  GREENERY  CITIES+G  Total
0          NaN     3       1         NaN  ...     41         2         3     90
1          NaN     3       2         NaN  ...      6         8         9     78
2          NaN     3       3         NaN  ...     26         5        11     90
3          NaN     4       1         NaN  ...     44         6         2     97
4          NaN     4       2         NaN  ...     22         8         2     77

需要实现的常规统计需求包括：

• 单局最高总分
• 单局最低总分
• 对局平均得分
• 玩家个人历史最高分
• 玩家个人历史最低分
• 胜场最多玩家
• 负场最多玩家
• 表现最佳企业
• 表现最差企业

当前需要先完成「胜场最多玩家」的前置步骤：为每个Game（对局）新增winner列，实现逻辑为：

1. 遍历每一局游戏，获取该局Total列最高分对应的Player值
2. 将该Player值填充到该局所有行的winner列中

逐行apply写if判断的方案无法覆盖分组取最大值对应字段的场景，需要可行实现方法。

不需要写显式循环逐行处理，用pandas内置的分组变换逻辑1行代码就能实现，核心是用groupby + transform按对局分组直接广播最大值对应的玩家ID。

基础实现代码 #

# 按对局分组，找到每局Total最高的行对应的Player，广播填充到同组所有行
df['winner'] = df.groupby('Game')['Total'].transform(lambda x: df.loc[x.idxmax(), 'Player'])

逻辑说明 #

1. groupby('Game')会把所有行按对局ID拆分为独立分组，每个分组对应同一局的所有玩家数据
2. 对每个分组的Total列执行transform操作：x.idxmax()会返回当前分组里总分最高的行的索引，用该索引取对应行的Player值就是该局胜者
3. transform会自动把计算出的胜者值对齐填充到该分组的每一行，不需要手动写循环匹配

平局场景适配 #

如果遇到样例中Game=3两个玩家同拿90分的平局场景，上面的代码默认取索引更靠前的玩家作为胜者。如果需要标记平局，可以调整逻辑：

def get_winner(group):
    max_total = group['Total'].max()
    winners = group[group['Total'] == max_total]['Player'].tolist()
    # 单胜者返回玩家ID，多胜者返回平局标记
    return winners[0] if len(winners) == 1 else 'tie'

df['winner'] = df.groupby('Game').apply(get_winner).loc[df['Game']].values

后续胜场统计参考 #

胜者列填充完成后，胜场统计直接按玩家去重计数即可，避免同一局多行重复计数：

win_counts = df.drop_duplicates(subset=['Game', 'winner'])['winner'].value_counts()
top_winner = win_counts.idxmax()

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