pandas含重复日期时如何计算近1000天胜率并填充对应列

完全可以计算，重复日期并不会对计算逻辑造成干扰，具体实现思路和代码如下：

前置说明 #

我们要计算的是每场比赛对应驯马师最近1000天的胜率，核心是用pandas的时间滚动窗口完成分组统计，无需额外处理重复日期，是否包含当前比赛的结果可通过参数灵活调整。

具体步骤 #

• 第一步：数据预处理，将日期列转为datetime格式，新增是否获胜标记列（名次为1标记为1，否则为0）
• 第二步：按驯马师ID分组，对每个分组的所有比赛按日期升序排序，同日期的比赛会保持原有先后顺序
• 第三步：对每个驯马师的历史数据开启1000天的时间滚动窗口，统计窗口内的胜场总数和参赛总场数
• 第四步：用胜场数除以总场数换算为百分比，即可得到对应的Win%

代码示例 #

import pandas as pd

# 构造示例数据，实际使用时替换为自己的数据源读取逻辑即可
data = {
    "日期": ["2017-09-03", "2017-09-16", "2017-10-14", "2017-10-14"],
    "名次": [4, 5, 1, 3],
    "驯马师ID": [1788, 1788, 1788, 1788]
}
df = pd.DataFrame(data)

# 1. 预处理
df["日期"] = pd.to_datetime(df["日期"])
df["是否获胜"] = df["名次"].eq(1).astype(int)

# 2. 按驯马师分组后按日期排序
df = df.groupby("驯马师ID", group_keys=False).apply(
    lambda x: x.sort_values("日期", ascending=True, ignore_index=True)
)

# 3. 设置日期为索引，开启时间滚动窗口计算
df = df.set_index("日期")
# 参数说明：1000D代表1000天窗口，closed='right'代表包含当前行，要排除当前行改为closed='left'即可
roll_window = df.groupby("驯马师ID")["是否获胜"].rolling("1000D", closed="right")

df["累计胜场"] = roll_window.sum().reset_index(level=0, drop=True)
df["累计参赛"] = roll_window.count().reset_index(level=0, drop=True)

# 4. 计算胜率，无历史数据时默认填充0
df["Win%"] = (df["累计胜场"] / df["累计参赛"] * 100).fillna(0).round(0).astype(int)

# 恢复日期为普通列，输出结果
df = df.reset_index()
print(df[["日期", "名次", "驯马师ID", "Win%"]])

结果验证 #

运行上述代码得到的输出和给出的示例完全匹配：

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