如何基于得分DataFrame为对阵DataFrame生成获胜者新列？

这问题在Pandas数据处理里很常见，我给你两种实用的实现思路，你可以根据数据规模和个人习惯选择：

方法一：利用字典映射快速查找得分（推荐大数据量场景） #

这种方法先把队伍得分表转换成键值对字典，然后逐行比对得分，效率很高。

步骤代码： #

import pandas as pd

# 初始化你的两个DataFrame
df_points = pd.DataFrame({
    'team': [1, 2, 5, 3, 4],
    'points': [2.5, 3.2, 5.8, 2.8, 1.9]
})

df_matches = pd.DataFrame({
    'team1': [1, 2, 3],
    'team2': [5, 4, 1]
})

# 将得分表转为 team: points 的字典映射
score_dict = df_points.set_index('team')['points'].to_dict()

# 逐行比较两队得分，生成winner列
df_matches['winner'] = df_matches.apply(
    lambda row: row['team1'] if score_dict[row['team1']] > score_dict[row['team2']] else row['team2'],
    axis=1
)

print(df_matches)

输出结果： #

team1  team2  winner
0      1      5       5
1      2      4       2
2      3      1       3

方法二：通过合并DataFrame实现（更直观，适合新手） #

这种方法把得分表分别合并到对阵表的两队列上，直接比对得分列，逻辑更清晰。

步骤代码： #

import pandas as pd
import numpy as np

# 初始化DataFrame（同上）
df_points = pd.DataFrame({
    'team': [1, 2, 5, 3, 4],
    'points': [2.5, 3.2, 5.8, 2.8, 1.9]
})

df_matches = pd.DataFrame({
    'team1': [1, 2, 3],
    'team2': [5, 4, 1]
})

# 合并team1的得分
df_matches = df_matches.merge(df_points, left_on='team1', right_on='team', suffixes=('', '_t1'))
# 合并team2的得分
df_matches = df_matches.merge(df_points, left_on='team2', right_on='team', suffixes=('_t1', '_t2'))

# 用numpy.where判断获胜者
df_matches['winner'] = np.where(df_matches['points_t1'] > df_matches['points_t2'], df_matches['team1'], df_matches['team2'])

# 保留需要的列
df_matches = df_matches[['team1', 'team2', 'winner']]

print(df_matches)

两种方法对比： #

• 方法一：字典映射的方式内存占用更低，处理百万级以上数据时速度优势明显。
• 方法二：合并的方式逻辑更直观，不需要额外理解字典映射，适合刚接触Pandas的开发者。

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