本文介绍使用 pandas 对球员比赛日期进行分组分析，精准识别连续两天（back-to-back）参赛的记录，并保留所有相关行（包括起始日和次日），适用于大规模 nba 赛程数据集。
本文介绍使用 pandas 对球员比赛日期进行分组分析，精准识别连续两天（back-to-back）参赛的记录，并保留所有相关行（包括起始日和次日），适用于大规模 nba 赛程数据集。
在 NBA 数据分析中，“背靠背”（Back-to-Back, B2B）指同一球员连续两天出战正式比赛，是评估球员负荷、体能调度与战术安排的重要指标。要从原始赛程表中完整提取所有 B2B 记录，关键在于：不仅识别出“次日是否为前一日+1天”，还需确保“前一日”本身也被纳入结果——即每一对连续日期的两条记录都应保留。
以下是一个简洁、高效且可扩展的解决方案（基于 pandas 2.0+）：
✅ 正确做法：使用 transform + diff + shift
import pandas as pd
# 构建示例数据
data = [
{'Player': 'Lebron James', 'Game_date': '2023-10-11'},
{'Player': 'Lebron James', 'Game_date': '2023-10-12'},
{'Player': 'Lebron James', 'Game_date': '2023-10-18'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-02'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-03'},
{'Player': 'Kobe Bryant', 'Game_date': '2023-11-09'},
]
df = pd.DataFrame(data)
# ⚠️ 关键前提：必须转换为 datetime（非 date 类型！）
df['Game_date'] = pd.to_datetime(df['Game_date'])
# 核心逻辑：按球员分组，标记“当前行是B2B起点或终点”
mask = df.groupby('Player')['Game_date'].transform(
lambda g: (g.diff().dt.days == 1) | (g.diff().dt.days == 1).shift(-1)
)
# 应用布尔索引，获取全部背靠背记录
b2b_df = df[mask].copy().reset_index(drop=True)
print(b2b_df)输出结果：
Player Game_date 0 Lebron James 2023-10-11 1 Lebron James 2023-10-12 2 Kobe Bryant 2023-11-02 3 Kobe Bryant 2023-11-03
? 原理详解
- g.diff().dt.days == 1：判断当前行是否为某次 B2B 的“第二日”（即比前一行晚 1 天）→ 得到布尔 Series m；
- m.shift(-1)：将该布尔值向上移动一行，使 True 落在“第一日”位置；
- (m | m.shift(-1))：逻辑或操作后，B2B 的两行均标记为 True；
- transform 确保结果长度与原 DataFrame 一致，支持直接布尔索引。
? 注意：若某球员存在多段 B2B（如 2023-12-11, 2023-12-12, 2023-12-18, 2023-12-19），该方法仍能准确捕获所有四条记录，无遗漏。
立即学习“Python免费学习笔记（深入）”；
⚠️ 常见错误与避坑指南
- ❌ 错误：使用 .dt.date 转为 date 类型 → 丢失 diff() 所需的 timedelta 运算能力；
- ❌ 错误：仅用 diff() == 1 筛选 → 只保留“第二日”，漏掉“第一日”；
- ❌ 错误：未 sort_values(['Player', 'Game_date']) → 分组内日期乱序导致 diff 结果错误（本例数据已有序，但生产环境务必显式排序）；
- ✅ 最佳实践：添加预处理排序保障鲁棒性：
df = df.sort_values(['Player', 'Game_date']).reset_index(drop=True)
? 总结
识别背靠背比赛不是简单的“相邻差值判断”，而是双向关联问题。本文方案以 transform 为核心，结合 diff 与 shift(-1) 实现语义完整的匹配逻辑，代码简短、性能优异（向量化）、可无缝应用于百万级赛事记录。无论是用于负荷分析、伤病建模还是赛程优化，该方法都提供了可靠的数据清洗基础。
