在大熊猫的所有组合中寻找赢家(更大的数字)

Question

所以我的fd.shape (105,4)

fd.head()
Ccom           Wcom              Lcom         Dcom
(A1, A2)  (82.0, 19.0)   (78.0, 99.0)  (1100.0, 9520.0)   (3.0, 3.0)
(A1, A3)  (82.0, 25.0)   (78.0, 42.0)  (1100.0, 1700.0)   (3.0, 7.0)
(A1, A4)  (82.0, 93.0)   (78.0, 37.0)  (1100.0, 1700.0)   (3.0, 7.0)
(A1, A5)   (82.0, 9.2)   (78.0, 0.44)   (1100.0, 510.0)   (3.0, 7.0)
(A1, A6)  (82.0, 52.0)  (78.0, 0.042)  (1100.0, 1100.0)  (3.0, 17.2) 

具有来自df的所有可能组合。现在我想从每个单元格/组合中找到赢家(更大的数字(，并记下该A数字的获胜次数。输出应该是这样的：

Wins
A1     34
A2     44
A3     53
A4     76 .... and so on till last row
A15    43

这个新的数据帧基本上记录了A大于其组合的次数。

Answer 1

如果值是元组，则跳过此步骤。如果值是字符串，则将它们转换为元组

import ast
df = df.reset_index().applymap(ast.literal_eval).set_index('index')

现在比较这些值并从索引中的元组中提取列。输出不是预期的输出，因为示例输入数据不是整个数据帧。

import numpy as np
(df.applymap(lambda x: np.sign(x[1] - x[0]))
.apply(pd.Series.value_counts, axis=1).drop(0.0, 1)
.apply(lambda x: pd.Series(x.values, index=x.name), axis=1)
.reset_index(drop=True).T.sum(1).astype('int')
)

输出：

A1    9
A2    2
A3    2
A4    3
A5    1
A6    1
dtype: int64

---

复制此解决方案

将值设置为元组的数据帧

import pandas as pd
import io
import ast

a = """
Ccom           Wcom              Lcom         Dcom
('A1', 'A2')  (82.0, 19.0)   (78.0, 99.0)  (1100.0, 9520.0)   (3.0, 3.0)
('A1', 'A3')  (82.0, 25.0)   (78.0, 42.0)  (1100.0, 1700.0)   (3.0, 7.0)
('A1', 'A4')  (82.0, 93.0)   (78.0, 37.0)  (1100.0, 1700.0)   (3.0, 7.0)
('A1', 'A5')   (82.0, 9.2)   (78.0, 0.44)   (1100.0, 510.0)   (3.0, 7.0)
('A1', 'A6')  (82.0, 52.0)  (78.0, 0.042)  (1100.0, 1100.0)  (3.0, 17.2)"""
df = pd.read_csv(io.StringIO(a), sep='ss+', engine='python')
df = df.reset_index().applymap(ast.literal_eval).set_index('index')

输出：

Ccom           Wcom              Lcom         Dcom
index                                                               
(A1, A2)  (82.0, 19.0)   (78.0, 99.0)  (1100.0, 9520.0)   (3.0, 3.0)
(A1, A3)  (82.0, 25.0)   (78.0, 42.0)  (1100.0, 1700.0)   (3.0, 7.0)
(A1, A4)  (82.0, 93.0)   (78.0, 37.0)  (1100.0, 1700.0)   (3.0, 7.0)
(A1, A5)   (82.0, 9.2)   (78.0, 0.44)   (1100.0, 510.0)   (3.0, 7.0)
(A1, A6)  (82.0, 52.0)  (78.0, 0.042)  (1100.0, 1100.0)  (3.0, 17.2)

---

计算胜和平

为了避免两次计算，解决方案略有不同。要计算两名玩家的平局，需要两个值。这就是为什么用df_counts[[0,0]]两次选择列0.0的原因。

df_counts = (df.applymap(lambda x: np.sign(x[1] - x[0]))
.apply(pd.Series.value_counts, axis=1))
# column 'wins'
df_result = (df_counts[[-1,1]].apply(lambda x: pd.Series(x.values, index=x.name), axis=1)
.reset_index(drop=True).T.sum(1).astype('int').to_frame('wins'))
# column 'draws'
df_result['draws'] = (df_counts[[0,0]].apply(lambda x: pd.Series(x.values, index=x.name), axis=1)
.reset_index(drop=True).T.sum(1).astype('int'))
df_result

输出：

wins  draws
A1     9      2
A2     2      1
A3     2      0
A4     3      0
A5     1      0
A6     1      1