英超足球赛事DataFrame如何根据比赛日期设置赛季字段

原有代码问题排查 #

• 自定义get_season函数没有设置return返回值，调用apply后所有返回结果均为None，自然不符合预期
• 仅判断了2021年8月之后的日期规则，没有覆盖其他年份的比赛日期，无法适配多赛季数据集
• pd.to_datetime("01/08/2021")存在格式歧义，默认解析规则下会被识别为2021年1月8日，和你预期的2021年8月1日不符

正确实现方案 #

前置操作：统一日期列格式 #

首先将日期列转为标准datetime类型，避免后续判断出现格式错误：

import pandas as pd
# 可根据你实际的日期格式调整format参数，比如日/月/年格式对应'%d/%m/%Y'
prem_data_new['Date'] = pd.to_datetime(prem_data_new['Date'], format='%Y-%m-%d')

方案1：修正自定义函数实现（逻辑直观易理解） #

根据英超赛季规则：每年8月到次年5月为一个完整赛季，赛季取值为赛季开始的年份，修改函数逻辑如下：

def get_season(row):
    match_date = row['Date']
    if match_date.month >= 8:
        return str(match_date.year)
    else:
        return str(match_date.year - 1)

prem_data_new['Season'] = prem_data_new.apply(get_season, axis=1)

方案2：向量化操作实现（数据量大时性能更优） #

不需要遍历每行，直接用pandas内置的日期属性批量处理：

prem_data_new['Season'] = prem_data_new['Date'].dt.year.where(
    prem_data_new['Date'].dt.month >= 8,
    prem_data_new['Date'].dt.year - 1
).astype(str)

规则验证示例 #

按照上述逻辑，日期对应赛季结果如下，符合需求：

• 2021-08-13 → 2021
• 2022-05-22 → 2021（属于2021/22赛季，取开始年份）
• 2022-08-06 → 2022

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