R数据框中如何基于match id为每行新增对手队伍得分列
适用实现方案
你的数据存在一个非常便于处理的结构特征:同一比赛场次、同一参赛队伍下的所有选手行,记录的score值就是该队伍的总得分(从示例数据也能验证,同队同场的4位选手score完全一致),完全不需要编写逐行if-then判断的逻辑,以下两种写法简洁、不容易出bug,适配不同的R使用习惯:
方案1:tidyverse 实现(新手友好,逻辑直白)
这是目前R分析场景下最常用的写法,逻辑完全贴合正常思考路径:
- 按
match id分组,把同一场比赛的所有行划到同一处理单元 - 在每个比赛单元内,找出和当前行score不相等的那个唯一值,就是对手队伍的得分
# 加载依赖包 library(dplyr) df <- df %>% group_by(`match id`) %>% # cur() 是分组操作里定位当前行的辅助函数,用于匹配当前行的score mutate(opponent_score = unique(score[score != cur()$score])) %>% ungroup()
因为你定义了每个场次固定只有2支参赛队伍,每个组内只会存在两个不同的score值,这段代码会精准匹配到对手的得分,不会出现取值错误。
对应你给出的示例数据:Epsilon队伍的所有行会自动填充opponent_score = 6,Luminosity Gaming的所有行会自动填充opponent_score = 2,完全符合预期。
方案2:base R 实现(无需安装第三方包)
如果不想依赖外部包,可以通过做映射表的方式实现,不依赖额外安装的工具:
- 提取每个
match id下的所有唯一score值,组成得分配对关系 - 把原表的行和配对关系做匹配,填充对手得分字段
# 按match id分组,提取每个场次的所有唯一score值 score_map <- aggregate(score ~ `match id`, data = df, FUN = function(x) unique(x)) # 生成每个score对应的对手得分映射 score_map$opponent_pairs <- apply(score_map, 1, function(row) { current_scores <- row[["score"]] setNames(current_scores[current_scores != current_scores], current_scores) }) # 把映射关系整理成可合并的表格,回填到原数据 lookup_table <- do.call(rbind, lapply(seq_len(nrow(score_map)), function(i) { data.frame( `match id` = score_map$`match id`[i], score = as.numeric(names(score_map$opponent_pairs[[i]])), opponent_score = as.numeric(score_map$opponent_pairs[[i]]) ) })) df <- merge(df, lookup_table, by = c("match id", "score"), all.x = T)
为什么不推荐逐行if-then写法
逐行循环判断的方式在小数据量下虽然能跑通,但存在几个明显的问题:
- 代码冗余,需要逐行判断“同一场次、不同队伍”的匹配条件,新手很容易出现行索引错配的bug
- 运行效率低,数据量稍大时,逐行遍历的速度是上述分组/映射写法的几十甚至上百倍
- 鲁棒性差,如果出现同队选手score不一致的情况,逐行判断很容易把同队其他选手的得分误判为对手得分
内容的提问来源于stack exchange,提问作者Karsen Mitsche
相关产品推荐
相关产品推荐

