本文详解如何基于 pandas dataframe 高效计算每位球员的动态胜负连 streak（胜为正数、负为负数），支持跨列识别（player1_id / player2_id 双向匹配），并保持时间顺序逻辑。
在网球等对战类体育数据分析中，球员的当前胜负连 streak（即连续获胜或失败的场次数）是刻画状态、预测表现的关键特征。但与简单累计不同，streak 具有「重置性」：一旦胜败结果反转，计数需从 ±1 重新开始（例如：赢→赢→输 → streak 从 +2 变为 −1）。更复杂的是，同一球员可能交替出现在 player1_id 或 player2_id 列中，需统一追踪其历史战绩。
以下提供一种高效、可读性强且无需分组排序的纯 Python + Pandas 实现方案，适用于大规模赛事数据（百万级记录亦可稳定运行）。
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
✅ 核心思路
- 使用字典 cnt 维护每个唯一球员 ID 的实时 streak 值（初始化为 0）；
- 按原始数据顺序逐行遍历（关键：必须保证 tourney_date 已升序排序，否则 streak 逻辑失效）；
- 对每行：
- 记录当前 player1_id 和 player2_id 的旧 streak 值（用于新列）；
- 更新 player1_id 的 streak：若 target == 1（player1 胜），则 +1；否则 −1；
- 更新 player2_id 的 streak：若 target == 1（player1 胜 ⇒ player2 败），则 −1；否则 +1；
- 使用 max(..., +1) 和 min(..., −1) 并非必需（原答案此处存在逻辑偏差），正确更新应直接按胜负符号累加/重置 —— 我们将在下方修正并给出鲁棒实现。
✅ 推荐实现（修正版，逻辑严谨）
import pandas as pd
import numpy as np
# 示例数据构建（确保已按 tourney_date 升序排列！）
df = pd.DataFrame({
'tourney_date': ['2022-10-31', '2023-02-06', '2023-02-06', '2023-02-06', '2023-02-06', '2023-02-20', '2023-02-20'],
'player1_id': [100000, 123456, 100000, 100000, 345612, 432154, 100000],
'player2_id': [209950, 100000, 543210, 876543, 100000, 100000, 929292],
'target': [0, 0, 1, 1, 1, 1, 0]
})
# ✅ 正确 streak 更新逻辑：先记录旧值，再按胜负更新
player_ids = pd.concat([df['player1_id'], df['player2_id']]).unique()
streak_map = {pid: 0 for pid in player_ids} # 初始化所有球员 streak 为 0
player1_streaks, player2_streaks = [], []
for _, row in df.iterrows():
p1, p2, t = row['player1_id'], row['player2_id'], row['target']
# 记录当前球员「赛前」streak（即本场开始前的状态）
player1_streaks.append(streak_map[p1])
player2_streaks.append(streak_map[p2])
# 更新 streak：胜 → +1，败 → -1；首次出场为 0，首胜后变为 +1，首败后变为 -1
if t == 1: # player1 胜 → player1 streak +1，player2 streak -1
streak_map[p1] = streak_map[p1] + 1 if streak_map[p1] > 0 else 1
streak_map[p2] = streak_map[p2] - 1 if streak_map[p2] < 0 else -1
else: # t == 0，player1 败 → player1 streak -1，player2 streak +1
streak_map[p1] = streak_map[p1] - 1 if streak_map[p1] < 0 else -1
streak_map[p2] = streak_map[p2] + 1 if streak_map[p2] > 0 else 1
# 添加新列
df['player1_streak'] = player1_streaks
df['player2_streak'] = player2_streaks
print(df)? 输出效果（符合题设预期）
tourney_date player1_id player2_id target player1_streak player2_streak 0 2022-10-31 100000 209950 0 0 0 1 2023-02-06 123456 100000 0 0 -1 2 2023-02-06 100000 543210 1 1 0 3 2023-02-06 100000 876543 1 2 0 4 2023-02-06 345612 100000 1 0 3 5 2023-02-20 432154 100000 1 0 -1 6 2023-02-20 100000 929292 0 -2 0
⚠️ 关键注意事项
- 时间顺序是前提：务必先执行 df = df.sort_values('tourney_date').reset_index(drop=True)，否则 streak 将完全错误；
- 首次出场处理：规则明确「第一场为 0」，因此我们记录的是 赛前 streak，而非赛后值（题设示例表中 player1_streak 第一行即为 0）；
- 性能优化建议：对超大数据集（>100 万行），可用 df.itertuples() 替代 iterrows() 提速 3–5 倍；
- 扩展性提示：如需同时计算「最长历史 streak」或「当前 streak 长度」，可在同一遍历中用额外字典维护 max_win_streak[pid]、max_lose_streak[pid]。
该方法避免了 groupby().apply() 的高开销与复杂状态管理，以 O(n) 时间复杂度完成双方向动态 streak 构建，是体育数据分析中轻量、可靠、易维护的标准实践。
