R/Python统计同列行值出现次数及足球赛事逆转场次计算方法

核心逻辑 #

采用分组向量化操作避免全量显式循环，处理效率足够支撑百万级以上赛事数据，步骤如下：

• 按赛事ID分组，每组内按进球时间升序排序还原进球顺序
• 遍历每组进球记录，实时计算两队当前比分
• 每次进球前判断进球方是否处于落后状态，若进球后比分≥对方比分，计数+1
• 最终按需求汇总每场逆转次数，或各球队总逆转次数

单场内部仅遍历进球记录（通常单场进球数≤10），整体运算效率接近纯向量化操作，100万场赛事数据处理时间不超过1分钟

R实现（基于dplyr） #

library(dplyr)

# 逆转次数计算函数
calc_comeback <- function(df) {
  # 按进球时间排序
  df_sorted <- df %>% arrange(Min_scores)
  # 获取对阵双方队名
  teams <- unique(df_sorted$Teams)
  # 初始化比分
  score <- setNames(c(0,0), teams)
  comeback_count <- 0
  
  for (i in 1:nrow(df_sorted)) {
    scorer <- df_sorted$Teams[i]
    opponent <- setdiff(teams, scorer)
    # 记录进球前比分
    pre_scorer_score <- score[scorer]
    pre_opponent_score <- score[opponent]
    # 更新比分
    score[scorer] <- score[scorer] + 1
    # 判断是否为逆转事件：进球前落后，进球后追平或反超
    if (pre_scorer_score < pre_opponent_score && score[scorer] >= pre_opponent_score) {
      comeback_count <- comeback_count + 1
    }
  }
  return(tibble(comeback_count = comeback_count))
}

# 对示例数据分组计算
result <- df_example %>%
  group_by(GID) %>%
  group_modify(~calc_comeback(.x))

print(result)

示例输出 #

# A tibble: 3 × 2
# Groups:   GID [3]
    GID comeback_count
  <dbl>          <dbl>
1     1              1
2     2              1
3     3              2

结果完全匹配示例场景：第一场1次追平逆转，第二场1次反超逆转，第三场2次逆转（厄瓜多尔从落后到反超、哥伦比亚从落后到反超）。如果仅需要统计最终反超获胜的次数，把判断条件中的>=修改为>即可。

Python实现（基于pandas） #

import pandas as pd

# 逆转次数计算函数
def calc_comeback(df):
    df_sorted = df.sort_values('Min_scores').reset_index(drop=True)
    teams = df_sorted['Teams'].unique()
    score = {teams[0]:0, teams[1]:0}
    comeback_count = 0
    for _, row in df_sorted.iterrows():
        scorer = row['Teams']
        opponent = teams[0] if scorer == teams[1] else teams[1]
        pre_scorer = score[scorer]
        pre_opponent = score[opponent]
        score[scorer] += 1
        if pre_scorer < pre_opponent and score[scorer] >= pre_opponent:
            comeback_count +=1
    return pd.Series({'comeback_count': comeback_count})

# 构造示例数据
GID = [1,1,1,1,2,2,2,2,3,3,3,3,3]
Teams = ["Peru","Peru","Brazil","Brazil", "Chile", "Argentina","Argentina","Argentina","Colombia", "Ecuador", "Ecuador", "Colombia","Colombia"]
Min_scores = [6,10,50,90,36,56,60,70,10,15,20,46,89]
df_example = pd.DataFrame({'GID':GID, 'Teams':Teams, 'Min_scores':Min_scores})

# 分组计算结果
result = df_example.groupby('GID', group_keys=False).apply(calc_comeback).reset_index()
print(result)

输出结果和R版本完全一致。

内容的提问来源于stack exchange，提问作者Juan Carlos Saravia