如何根据一系列 if\else 条件和匹配值从多个数据帧中最好地提取信息？（需要指导！））

Question

所以我有三个数据框：X、Y 和事件。df_X 有 X 坐标，df_Y 有 Y 坐标，Events_df 有已发生事件的列表（数据与篮球相关）。通过查看以下内容，您将了解它们如何链接在一起：

df_Event:

Seconds Passed   Event Type         Player
1.0              Passed The Ball    Steve
2.0              Received Pass      Michael
3.0              Touch              Michael
4.0              Passed The Ball    Michael
5.0              Received The Ball  George


df_X:

Seconds Passed  Steve   Michael   George
1.0             11.43   12.33     15.33
2.0             11.45   12.46     13.22  
3.0             10.99   10.33     14.33           
4.0             11.34   10.36     11.22
5.0             12.43   12.22     11.78


df_Y:

....

(The Same As Above Just With Different Numbers)

我想记录随时间变化的事件模式，然后获取与每个数据帧的“通过秒数”列相对应的 X、Y 坐标。例如，如果我想知道通行证的开始和结束位置，我将需要以下信息。

我希望在标记为“Passes_df”的新数据框中包含以下信息：

Passing Player   Receiving Player    X Coordinate PP   Y Coordinate PP  X Coordinate RP   Y Coordinate RP
Steve            Michael             11.43             ....             12.46             .....

我知道我可以使用以下内容：

Passes_df['Passing Player'] = df_Event['Player'].where(df_Event['Event'] == 'Pass').dropna()
Passes_df['Receiving Player'] = df_Event['Player'].shift(-1).where\
((df_Event['Event'] == 'Pass') & (df_Event['Event'].shift(-1) == 'Received Pass'))

不过，这似乎太啰嗦了？我可以使用一个函数来更流畅地从每个来源挑选信息吗？一些帮助将不胜感激！

Answer 1

您可以pandas.pivot(...)为此使用：

#assuming it's sorted by Seconds Passed:
df_Event["Event_order"]=df_Event.groupby("Event Type").cumcount()

df_Event["X"]=df_Event.merge(df_X, on="Seconds Passed").apply(lambda x: x[x["Player"]], axis=1)
df_Event["Y"]=df_Event.merge(df_Y, on="Seconds Passed").apply(lambda x: x[x["Player"]], axis=1)

df=df_Event.pivot(index="Event_order", columns="Event Type", values=["Player", "X", "Y"])

#to flatten columns index:
df.columns=map(lambda x: "_".join(x), df.columns)