如何使用Pandas groupby方法计算不同分组对战的平均胜率交叉表

完整实现代码 #

import pandas as pd

# 初始化原始数据集
z = pd.DataFrame({'match': [1,1,2,2,3,3,4,4],
                  'group': [0,1,1,2,0,2,1,2],
                  'win':   [0,1,1,0,0,1,0,1]})

# 按比赛分组得到每场对阵的两个组和对应胜负
match_pairs = z.groupby('match').agg(
    group1=('group', 'first'),
    win1=('win', 'first'),
    group2=('group', 'last'),
    win2=('win', 'last')
).reset_index(drop=True)

# 拼接双向对阵记录，支持两个方向的胜率统计
pair_records = pd.concat([
    match_pairs.rename(columns={'group1':'row_group', 'group2':'col_group', 'win1':'win_rate'}),
    match_pairs.rename(columns={'group2':'row_group', 'group1':'col_group', 'win2':'win_rate'})
])

# 生成交叉表，计算平均胜率，自身对阵填充为'-'
result = pair_records.pivot_table(
    index='row_group',
    columns='col_group',
    values='win_rate',
    aggfunc='mean'
).fillna('-')

print(result)

输出结果 #

运行上述代码后得到的结果和需求完全一致：

col_group    0    1    2
row_group               
0            -  0.0  0.0
1          1.0    -  0.5
2          1.0  0.5    -

逻辑说明 #

• 第一步通过groupby+agg把每场比赛的两条记录合并为单条对阵记录，避免后续匹配冗余
• 第二步生成双向对阵记录，满足行、列两个维度的胜率统计需求
• 第三步通过透视表聚合计算平均胜率，空值（自身对阵）替换为-即可

内容的提问来源于stack exchange，提问作者stevemo