有没有最佳方法来查找由当前单元格值定义的最后一行？

Question

我有一个熊猫数据框，其中包含有关体育赛事的数据。假设你看到一个冠军，一个失败者和一个匹配者。我正在试图找到上一个包含相同id的获胜者的最后一个索引。 预期的数据帧请参见：

d = {'winner':["A","B","C","A","A","C","B","D"], 'loser':["B","C","D","D","D","B","A","C"], 'id':[1,2,3,4,5,6,7,8], 'id_of_last_winner:' ["", 0, 1, 0, 3, 2, 5, 4]}
df = pd.DataFrame(d)
df

如果我遍历列，它的性能会非常差。我的代码应该是这样的： 最后一个获胜者的id：

• 第一行：这里没有什么，因为B是第一个元素。你知道吗
• 第二行：0，因为winner列中的第二个元素是 与第一列相同。你知道吗
• 第三行：这里是1，因为C在第二行的loser列中。你知道吗
• 第4行：0，因为在winner列中，A是第一个元素
• 第5行：3，因为A是winner列中的最新元素。你知道吗

等等。。。你知道吗

所以第一个直觉是我用for循环遍历loser列，然后将当前元素与loser和winner列中的其他元素进行比较。这很简单，但是执行起来很糟糕，因为每个迭代包含另外两个迭代。有没有更好的方法来加速这一进程？你知道吗

我满怀希望，因为我发现

df['id_of_last_winner'] = data.groupby('winner')['id'].shift()

但这只检查“失败者”列。有更好的主意吗？提前谢谢！你知道吗

Answer 1

由于需要id，您使它有点混乱，但是预期的输出使用index。下面是一个使用id的示例：

# create a list of players
players = list(set(df.winner).union(set(df.loser)) )

# create last game's id for each player
for player in players:
    df[player] = df.id.where((df.winner==player) | (df.loser==player) ).\
                        ffill().shift()

# here's our result
df['winner_last_game'] = df.apply(lambda r: r[r.winner], axis=1)

显然，如果你有大量的玩家，它是不起作用的，但它应该适用于几百名玩家。这是输出

+ -+  +    +   -+         -+  -+  -+  -+  -+         +
|   | id | winner | loser | id_of_last_winner |  A  |  C  |  D  |  B  | winner_last_game |
+ -+  +    +   -+         -+  -+  -+  -+  -+         +
| 0 |  1 | A      | B     |                   | NaN | NaN | NaN | NaN | NaN              |
| 1 |  2 | B      | C     |                 0 | 1.0 | NaN | NaN | 1.0 | 1.0              |
| 2 |  3 | C      | D     |                 1 | 1.0 | 2.0 | NaN | 2.0 | 2.0              |
| 3 |  4 | A      | D     |                 0 | 1.0 | 3.0 | 3.0 | 2.0 | 1.0              |
| 4 |  5 | A      | D     |                 3 | 4.0 | 3.0 | 4.0 | 2.0 | 4.0              |
| 5 |  6 | C      | B     |                 2 | 5.0 | 3.0 | 5.0 | 2.0 | 3.0              |
| 6 |  7 | B      | A     |                 5 | 5.0 | 6.0 | 5.0 | 6.0 | 6.0              |
| 7 |  8 | D      | C     |                 4 | 7.0 | 6.0 | 5.0 | 7.0 | 5.0              |
+ -+  +    +   -+         -+  -+  -+  -+  -+         +