Question

具有如下所示的熊猫df

HomeTeam    AwayTeam    Winner
Warriors    Cavaliers   1
Pistons     Rockets     0
Warriors    Rockets     1
Heat        Warriors    0

“获胜者”列中的二进制结果代表获胜球队（主队或客队）。我想计算每个团队的总体获胜百分比。我将如何去做呢？

预期的输出将类似于

Team     Win%
Warriors 85%
Heat     22%
....

Answer 1

我们可以使用np.choose选择获胜者，并对获胜者和两支球队都进行.value_counts()，从而使用以下公式计算比率：

np.choose(
    df['Winner'], [df['HomeTeam'], df['AwayTeam']]
).value_counts().div(
    df[['HomeTeam', 'AwayTeam']].stack().value_counts()
).fillna(0)

因此，我们在这里使用np.choose选择球队，并进行价值计数，接下来我们.stack() HomeTeam和AwayTeam获得一系列的价值。参加比赛的球队。然后，我们可以使用.values_counts()来计算一个团队踢了多少次。如果一支队伍从不出现在获胜方，那将导致NaN。我们可以通过对这些值使用0来解决这个问题。

使用给定的样本数据，我们获得：

>>> np.choose(df['Winner'], [df['HomeTeam'], df['AwayTeam']]).value_counts().div(df[['HomeTeam', 'AwayTeam']].stack().value_counts()).fillna(0)
Cavaliers    1.0
Heat         1.0
Pistons      1.0
Rockets      0.5
Warriors     0.0
dtype: float64

这里Cavaliers，Heat和Pistons赢得了所有比赛，Rocket赢得了比赛的一半，而Warrior没有赢得比赛赢得任何一场比赛。

Answer 2

使用numpy.where来获得获胜者团队，用Series.value_counts来计数值，并用ravel和Series.value_counts用计数值除以两列的所有值，用于除法{ {3}}，然后乘以100，最后由Series.div用Series.rename_axis将Series转换为DataFrame：

winners = pd.Series(np.where(df['Winner'], df['AwayTeam'], df['HomeTeam'])).value_counts()
all_teams = df[['HomeTeam', 'AwayTeam']].stack().value_counts()

df1 = winners.div(all_teams, fill_value=0).mul(100).rename_axis('Team').reset_index(name='Win%')
print (df1)
       Team   Win%
0  Cavaliers  100.0
1       Heat  100.0
2    Pistons  100.0
3    Rockets   50.0
4   Warriors    0.0

详细信息：

print (winners)
Rockets      1
Heat         1
Cavaliers    1
Pistons      1
dtype: int64

print (all_teams)
Warriors     3
Rockets      2
Heat         1
Cavaliers    1
Pistons      1
dtype: int64

根据熊猫df计算各个团队的胜率

2 个答案: