有没有办法可以在 Python 中跟踪序列？

Question

数据框包含以进球结尾的所有球队财产。每行代表一个球事件，详细说明了涉及哪些球员、动作类型以及它在球场上发生的位置。

#sample df
pass_goal = pd.DataFrame({'match_id': [1107073,1107073,1107073,1409630,1409630,1409630,1509730,1509730,1509730,1509730], 
'possession_number': [2,2,2,40,40,40,100,100,100,100], 
'second': [10,15,20,250,260,270,300,310,320,330], 
'action_name': ['pass', 'pass', 'goal','pass','pass','goal','pass','pass','pass','goal'], 
'player_name': ['a','b','b','b','a','a','d','e','c','c',]})

所以我的问题是我想跟踪每次控球发生的不同序列/流程。我尝试过但失败的一种方法是按占有 ID 计算唯一玩家。

例如控球权 2 => 球员 a 传球给球员 b，球员 b 射门得分（我想将其定义为 ABG），另一个例子可能是控球权 40 => 球员 b 传球给球员 a，球员 a 射门得分（即使球员名字不同这也应该定义为和第一个相同的序列）

显然有很多更复杂的组合，比如涉及多个播放器的 ABCDAG，但我让示例 df 尽可能简单

不确定是否有这么简单的方法，但如果可以实现，我的首选输出是

Sequence        Count
ABG               2
ABCG              1

Answer 1

这里有两个不同的问题：

1. 将单个控球的球员连接成一个唯一的字符串
2. 转换这些字符串，使其独立于玩家姓名

第一个问题可以用 groupby 解决：

val = pd.Series(pass_goal['player_name'])
val[pass_goal['action_name'] == 'goal'] = 'G'
tmp = val.groupby(pass_goal['possession_number']).apply(lambda x: ''.join(x.tolist()))

它给出：

possession_number
2       abG
40      baG
100    decG
Name: player_name, dtype: object

如果会使用特定的函数来转换这些字符串：

def trans(s):
    resul = []
    d = {}
    for i in s:
        if i == 'G':
            resul.append(i)
        else:
            if i not in d:
                d[i] = chr(ord('A') + len(d))
            resul.append(d[i])
    return ''.join(resul)

演示：

>>> trans('abG')
'ABG'
>>> trans('baG')
'ABG'

好的，让我们应用trans和count：

tmp = tmp.apply(trans)
resul = tmp.groupby(tmp).count().rename('count').reset_index().rename(
         columns={'player_name': 'sequence'})

它按预期给出：

  sequence  count
0     ABCG      1
1      ABG      2