基于另一DataFrame索引创建列：匹配Season与Home添加全明星数量列

没问题，这事儿咱们一步步来搞定，用Pandas就能轻松实现需求：

步骤1：给比赛DataFrame生成Season列 #

首先得从Date字段里提取对应的NBA赛季规则：每年10月到次年9月属于同一个赛季，比如2012年11月的比赛属于2012-13赛季，2013年5月的比赛也归属于2012-13赛季。假设你的Date是字符串类型，先转成datetime再处理：

import pandas as pd

# 转换Date为datetime类型（如果还没转的话）
games_df['Date'] = pd.to_datetime(games_df['Date'])

# 生成赛季字段
games_df['Season'] = games_df['Date'].apply(
    lambda x: f"{x.year}-{x.year+1}" if x.month >= 10 else f"{x.year-1}-{x.year}"
)

步骤2：转换全明星人数DataFrame的格式 #

你的全明星数据现在是宽表结构（球队为索引，赛季为列），咱们需要把它转成长表结构，这样才能和比赛表做精准匹配。假设这个表叫all_stars_df：

# 转成长表，重置索引后得到三列：球队名称、赛季、全明星人数
all_stars_long = all_stars_df.reset_index().melt(
    id_vars=['index'],
    var_name='Season',
    value_name='Home_All_Stars'
).rename(columns={'index': 'Home'})

转换后的all_stars_long结构示例：

步骤3：合并两个DataFrame #

现在通过Home（主队名称）和Season（赛季）两个字段，把全明星人数匹配到比赛表中：

# 左连接，保留比赛表的所有数据，匹配不到的记录会显示NaN
final_df = games_df.merge(all_stars_long, on=['Home', 'Season'], how='left')

完成后final_df会新增一列Home_All_Stars，就是对应赛季主队的全明星总人数啦～

如果遇到球队名称不匹配的情况（比如比赛表用LA Lakers，全明星表用Los Angeles Lakers），记得先统一两边的球队名称格式，确保匹配准确。

内容的提问来源于stack exchange，提问作者stretchy