使用 GroupBy

Question

我有一个非常大的数据表，其中包含 play_id、position 和 frame 列。

• play_id - 指特定的游戏

• position - A 或 B（每个给定的游戏总共有 3 个玩家（行） - A 和 B 的任意组合）

• frame - 时间范围（例如想象每 1 秒冻结一次）

以下显示了示例数据（为清晰起见进行了简化）：

<头>

play_id	位置	帧
1	A	1
1	A	1
1	B	1
1	A	2
1	A	2
1	B	2
2	A	1
2	B	1
2	B	1
2	A	2
2	B	2
2	B	2

我想为每个 play_id 计算每个位置的玩家数量（对于给定的 play_id，它们在各帧中是一致的），并为每个角色附加一个数字以使其唯一。

这将导致以下结果：

<头>

play_id	位置	帧
1	A_1	1
1	A_2	1
1	B_1	1
1	A_1	2
1	A_2	2
1	B_1	2
2	A_1	1
2	B_1	1
2	B_2	1
2	A_1	2
2	B_1	2
2	B_2	2

实际上，我有 7 个不同的位置、25 帧和大约 500,000 个 play_id（以及更多列）。

我怎样才能以有效的方式实现这一目标？我认为应该使用 groupby，但我不知道如何使用。

Answer 1

您可以groupby.cumcount，按所有列分组并添加位置计数：

df['position'] = df.position.str.cat(df.groupby(['play_id','frame','position']).position
                                       .cumcount().add(1).astype(str), 
                                     sep='_')

print(df)

    play_id position  frame
0         1      A_1      1
1         1      A_2      1
2         1      B_1      1
3         1      A_1      2
4         1      A_2      2
5         1      B_1      2
6         2      A_1      1
7         2      B_1      1
8         2      B_2      1
9         2      A_1      2
10        2      B_1      2
11        2      B_2      2