如何为DataFrame添加球队逐场战绩列？是否需先groupby赛季？

嘿，这个需求其实挺典型的，咱们一步步来搞定它～

核心思路：必须按「球队+赛季」分组 #

你的赛季数据里既有常规赛（比如2015-16）又有季后赛（比如2015 Post），这两个是完全独立的赛事周期，球队的季后赛战绩不会和常规赛累计到一起，所以一定要把team和season作为分组的双重键，不能只按球队分组哦。

具体实现步骤 #

假设你的DataFrame有这些关键列：team（球队名称）、season（赛季）、game_date（比赛日期）、result（比赛结果，比如W代表赢，L代表输）。

1. 先按正确顺序排序

战绩是逐场累计的，必须保证同球队同赛季的比赛是按时间先后排列的，不然累计结果会出错：

# 按球队、赛季、比赛日期排序
df = df.sort_values(by=['team', 'season', 'game_date'])

2. 计算累计胜场和负场

先把胜负结果转成数值，再通过分组累计得到逐场的胜场、负场数，最后拼接成战绩字符串：

# 把胜负转成数值：赢=1，输=0
df['win_flag'] = df['result'].map({'W': 1, 'L': 0})

# 分组计算累计胜场
df['cum_wins'] = df.groupby(['team', 'season'])['win_flag'].cumsum()

# 累计负场 = 已赛场次 - 累计胜场（cumcount()+1是因为从第1场开始计数）
df['cum_losses'] = df.groupby(['team', 'season']).cumcount() + 1 - df['cum_wins']

# 生成「X胜Y负」的战绩列
df['game_by_game_record'] = df['cum_wins'].astype(str) + '-' + df['cum_losses'].astype(str)

3. 特殊情况适配

如果你的比赛结果不是W/L，而是用得分差（比如team_score - opp_score，正数为赢，负数为输），可以调整win_flag的生成逻辑：

# 用得分差判断胜负，转成0/1的标识
df['win_flag'] = (df['point_difference'] > 0).astype(int)

验证结果 #

你可以抽某支球队的某个赛季数据看看是否正确：

# 比如查看湖人2015-16赛季的逐场战绩
print(df[(df['team'] == 'Los Angeles Lakers') & (df['season'] == '2015-16')][['game_date', 'result', 'game_by_game_record']])

这样就能得到每支球队在每个赛季里，从第一场到最后一场的实时战绩啦～

内容的提问来源于stack exchange，提问作者stretchy