如何使用pandas计算电竞战队各周X场历史得分滚动平均值

• 计算结果未赋值：你执行了groupby和rolling计算，但没有将结果赋值给临时表的对应字段，计算结果直接被丢弃，原数据没有任何变化
• 分组维度错误：你需要的是单个战队的历史场次滚动平均，应该以战队为分组维度，而非按周分组，按周分组会导致窗口仅在单周内计算，无法得到跨周的历史平均
• 数据筛选逻辑存在隐式依赖：你当前的数据集恰好将每场比赛存为双向两行（主队、客队各一条），但如果后续数据没有双向存储，仅筛选Team列等于目标战队的行，会丢失该战队作为客队的参赛记录
• 排序后索引未重置：sort_values后没有重置索引，后续拼接时容易出现索引冲突问题

实现思路 #

1. 先将原始双向存储的比赛数据，转换为每行对应单个战队单场参赛记录的统一结构，避免丢失客队参赛数据
2. 按战队分组后，按周次升序排序
3. 对指定的多个特征列执行滚动窗口平均，前N-1场自动返回空值
4. 封装为可自定义窗口大小、特征列的通用函数

完整代码 #

import pandas as pd

def calc_team_rolling_avg(df, window_size, feature_cols=['Team Points', 'Vs Points']):
    # 1. 转换数据格式：将每场比赛拆为两个战队的独立参赛记录
    df_home = df[['Week', 'Team', 'Vs', 'Team Points', 'Vs Points']].rename(
        columns={'Team': 'Team', 'Vs': 'Opponent', 'Team Points': 'Points', 'Vs Points': 'Opponent Points'}
    )
    df_away = df[['Week', 'Vs', 'Team', 'Vs Points', 'Team Points']].rename(
        columns={'Vs': 'Team', 'Team': 'Opponent', 'Vs Points': 'Points', 'Team Points': 'Opponent Points'}
    )
    all_match_records = pd.concat([df_home, df_away], ignore_index=True)
    
    # 2. 按战队分组、按周排序后计算滚动平均
    all_match_records = all_match_records.sort_values(by=['Team', 'Week'], ignore_index=True)
    
    # 对每个特征生成滚动平均列
    for col in feature_cols:
        all_match_records[f'{col}_rolling_avg_{window_size}'] = all_match_records.groupby('Team')[col].transform(
            lambda x: x.rolling(window=window_size, min_periods=window_size).mean()
        )
    
    return all_match_records

# 测试用例
if __name__ == '__main__':
    # 读取剪贴板数据
    df = pd.read_clipboard()
    # 计算窗口为2的滚动平均
    res = calc_team_rolling_avg(df, window_size=2)
    print(res.head(10))
    # 如果需要输出仅包含Week、Team、对应平均字段的结构，可自行筛选列
    # res_simple = res[['Week', 'Team', 'Points_rolling_avg_2']]

输出说明 #

• 每个战队的前window_size-1场比赛的滚动平均字段会自动填充为空，符合需求
• 自动适配战队缺赛的情况：仅按实际参赛场次计算滚动窗口，不会用空周填充
• 支持自定义feature_cols参数传入需要计算的10个特征，自动批量生成对应滚动平均字段

内容的提问来源于stack exchange，提问作者artemis