在键列值为sam的任何时候，在两行中切换两个值

Question

我有三场棒球赛的下表。在每一个游戏中，我有两行代表在同一个游戏中的两个团队中每一个的信息。通过检查play\u homepositor列知道哪一行是指哪个团队的方法，如果该列有1，则该行是关于主队的（位于hometeam列中），但是如果是0，则该行是关于访客团队的（位于visteam列中）。这是我的数据集df

Game_ID             hometeam    visteam play_homevisitor    Runs_scored
ATL199204090         ATL         SFN           0                13
ATL199204090         ATL         SFN           1                6
ATL199204100         ATL         SFN           0                3
ATL199204100         ATL         SFN           1                6
ATL199204110         ATL         SFN           0                4
ATL199204110         ATL         SFN           1                0

我也有每个队的得分

因此，我需要计算一个新的列，其中允许运行，它只是在具有相同游戏ID的每两行之间切换运行的值，如下所示：

Game_ID        hometeam visteam play_homevisitor    Runs_scored     Runs_allowed       
ATL199204090    ATL      SFN           0                13                6
ATL199204090    ATL      SFN           1                6                 13
ATL199204100    ATL      SFN           0                3                 6
ATL199204100    ATL      SFN           1                6                 3
ATL199204110    ATL      SFN           0                4                 0
ATL199204110    ATL      SFN           1                0                 4

我有一个可能的方法，但我很好奇，如果你有一个不同的方法来做它

我一直在想任何可能的方法，我注意到在play\u homevisitor专栏中我总是有0,1,0,1的顺序，所以我想到了一个主意：

1. 创建两个中间列，移动-1和+1。它将创建列升档和列降档。只分析每一对博弈；在升档时，主队得分上升，而在降档时，客队得分下降

df['downShift'] = df['Runs_scored'].shift(periods= 1).fillna(0)
df['upShift'] = df['Runs_scored'].shift(periods= -1).fillna(0)

1. 如果play\u homevisitor为0，则我将在升档时获取值，否则，如果play\u homevisitor为1，则我将在降档时获取值

df['Runs_allowed'] = df[['play_homevisitor','downShift', 'upShift']].apply(lambda x: x['upShift'] if x['play_homevisitor'] == 0 else x['downShift'], axis=1)

Answer 1

我一直在想任何可能的方法，我注意到在play\u homevisitor专栏中我总是有0,1,0,1的顺序，所以我想到了一个主意：

1. 创建两个中间列，移动-1和+1。它将创建列升档和列降档。只分析每一对博弈；在升档时，主队得分上升，而在降档时，客队得分下降

df['downShift'] = df['Runs_scored'].shift(periods= 1).fillna(0)
df['upShift'] = df['Runs_scored'].shift(periods= -1).fillna(0)

1. 如果play\u homevisitor为0，则我将在升档时获取值，否则，如果play\u homevisitor为1，则我将在降档时获取值

df['Runs_allowed'] = df[['play_homevisitor','downShift', 'upShift']].apply(lambda x: x['upShift'] if x['play_homevisitor'] == 0 else x['downShift'], axis=1)

Answer 2

可以将groupby与shift结合使用两次。然后使用fillna创建新列：

s1 = df.groupby('Game_ID')['Runs_scored'].shift(-1)
s2 = df.groupby('Game_ID')['Runs_scored'].shift(1)

df['Runs_allowed'] = s1.fillna(s2).astype(int)

---

print(df)
        Game_ID hometeam visteam  play_homevisitor  Runs_scored  Runs_allowed
0  ATL199204090      ATL     SFN                 0           13             6
1  ATL199204090      ATL     SFN                 1            6            13
2  ATL199204100      ATL     SFN                 0            3             6
3  ATL199204100      ATL     SFN                 1            6             3
4  ATL199204110      ATL     SFN                 0            4             0
5  ATL199204110      ATL     SFN                 1            0             4

Answer 3

如果所有对和列都已排序，请使用：

df = df.sort_values(['Game_ID','play_homevisitor'])

m1 = df['play_homevisitor'] == 0
m2 = df['play_homevisitor'] == 1

s1 = df.loc[m1, 'Runs_scored'].values
s2 = df.loc[m2, 'Runs_scored'].values
df.loc[m2, 'Runs_allowed'], df.loc[m1, 'Runs_allowed'] = s1, s2 

print (df)
        Game_ID hometeam visteam  play_homevisitor  Runs_scored  Runs_allowed
0  ATL199204090      ATL     SFN                 0           13           6.0
1  ATL199204090      ATL     SFN                 1            6          13.0
2  ATL199204100      ATL     SFN                 0            3           6.0
3  ATL199204100      ATL     SFN                 1            6           3.0
4  ATL199204110      ATL     SFN                 0            4           0.0
5  ATL199204110      ATL     SFN                 1            0           4.0