Python Trueskill - 使用词典

时间:2014-07-13 14:57:35

标签: python arrays list dictionary tuples

我正在尝试使用Python中的Trueskill软件包并完成基础知识,

对于双人比赛,我可以做到

alice = Rating()
bob = Rating()
alice, bob = rate_1vs1(alice, bob)

对于多场比赛,我可以做到

alice = Rating()
bob = Rating()
eve = Rating()

alice, bob, eve = rate([(alice,),(bob,),(eve,)], ranks=[0, 1, 2])

我目前有一个数据库,结构如下,我想对...进行评分。

game participant rank ....(various game stats)
1    alice       2
1    bob         1
1    eve         3
2    alice       1
2    eve         1
3    bob         1
3    carol       2
3    alice       3
3    ted         4
3    eve         5
.......

这是一个简化版本,因为有些游戏有2个参与者,有些高达20个。我想做的是通过游戏阅读数据库游戏,阅读参与者并根据结果执行更新。我不知道这样做的最好方法,因为我知道动态创建变量是一个很大的问题 - 但是正确的方法是什么?

- 编辑,使用词典 -

因此,我可以使用词典

ratings = {}
k = 0
for participant in results:
    ratings[k] = Rating
    k += 1

然而,我无法弄清楚如何评价球员,因为以下不起作用,因为字典将是评级组,而不是个人参与者

new_ratings = rate(ratings.values(),ranks=[0-k])

1 个答案:

答案 0 :(得分:0)

我在申请电视节目方面做了类似的事情:https://gist.github.com/sublee/4967876

defaultdictgroupby可以帮助您实现目标:

from collections import defaultdict
from itertools import groupby
from pprint import pprint
from trueskill import Rating, rate

results = [(1, 'alice', 2),
           (1, 'bob', 1),
           (1, 'eve', 3),
           (2, 'alice', 1),
           (2, 'eve', 1),
           (3, 'bob', 1),
           (3, 'carol', 2),
           (3, 'alice', 3),
           (3, 'ted', 4),
           (3, 'eve', 5)]
ratings = defaultdict(Rating)

for game_id, result in groupby(results, lambda x: x[0]):
    result = list(result)
    rating_groups = [(ratings[name],) for game_id, name, rank in result]
    ranks = [rank for game_id, name, rank in result]
    transformed_groups = rate(rating_groups, ranks=ranks)
    for x, (game_id, name, rank) in enumerate(result):
        ratings[name], = transformed_groups[x]

pprint(dict(ratings))

我得到的结果:

{'alice': trueskill.Rating(mu=23.967, sigma=4.088),
 'bob': trueskill.Rating(mu=36.119, sigma=5.434),
 'carol': trueskill.Rating(mu=29.226, sigma=5.342),
 'eve': trueskill.Rating(mu=16.740, sigma=4.438),
 'ted': trueskill.Rating(mu=21.013, sigma=5.150)}