如何根据Polars中的另一列进行条件选择累加？

Question

我有一个DataFrame，我想获取该集群中球队的最新进球来应用ewm_mean()，即创建一个

EWM_COLUMN

，如下例所示：

原表

季节	周	首页	离开	首页目标	客场进球	集群_home	Cluster_away	集群_对_密钥
2024	27.0	A队	F队	3	2	4	1	1_4
2024	27.0	B队	G队	1	3	2	2	2_2
2024	27.0	C队	团队H	1	0	5	3	3_5
2024	27.0	D队	团队我	0	1	3	1	1_3
2024	27.0	E队	团队J	3	0	3	4	3_4

查看

teamE

，我想考虑 E 队的主场进球、

teamD

的主场进球以及

teamC

的客场进球。我创建了 Cluster_pair_key_Organized 列，因为我认为它可以在某种程度上有所帮助。

新表

季节	周	首页	离开	首页目标	客场进球	集群_home	Cluster_away	集群_对_密钥	EWM_COLUMN
2024	27.0	A队	F队	3	2	4	1	1_4	3 * 0.8 + ...
2024	27.0	B队	G队	1	3	2	2	2_2	1 * 0.8 + ...
2024	27.0	C队	团队H	1	0	5	3	3_5	0 * 0.8 + ...
2024	27.0	D队	团队我	0	1	3	1	1_3	0 * 0.8 + 0.2 * 0 + ...
2024	27.0	E队	团队J	3	0	3	4	3_4	3 * 0.8 + 0.2 *（0 * 0.8 + 0.2 * 0）

Answer 1

df_ewm = (
    df
    .select(
        Team=pl.concat_list("Home","Away"),
        Goals=pl.concat_list("HomeGoals","AwayGoals"),
        Cluster=pl.concat_list("Cluster_home","Cluster_away"),
    )
    .explode(pl.all())
    .select(
        pl.col.Team,
        EWM_COLUMN = pl.col.Goals.ewm_mean(alpha=0.8, adjust=False, min_periods=0).over("Cluster")
    )
)

df.join(df_ewm, left_on="Home", right_on="Team")

shape: (5, 9)
┌────────┬─────┬───────┬───────┬───┬───────────┬──────────────┬──────────────┬────────────┐
│ Season ┆ Wk  ┆ Home  ┆ Away  ┆ … ┆ AwayGoals ┆ Cluster_home ┆ Cluster_away ┆ EWM_COLUMN │
│ ---    ┆ --- ┆ ---   ┆ ---   ┆   ┆ ---       ┆ ---          ┆ ---          ┆ ---        │
│ i64    ┆ i64 ┆ str   ┆ str   ┆   ┆ i64       ┆ i64          ┆ i64          ┆ f64        │
╞════════╪═════╪═══════╪═══════╪═══╪═══════════╪══════════════╪══════════════╪════════════╡
│ 2024   ┆ 27  ┆ teamA ┆ teamF ┆ … ┆ 2         ┆ 4            ┆ 1            ┆ 3.0        │
│ 2024   ┆ 27  ┆ teamB ┆ teamG ┆ … ┆ 3         ┆ 2            ┆ 2            ┆ 1.0        │
│ 2024   ┆ 27  ┆ teamC ┆ teamH ┆ … ┆ 0         ┆ 5            ┆ 3            ┆ 1.0        │
│ 2024   ┆ 27  ┆ teamD ┆ teamI ┆ … ┆ 1         ┆ 3            ┆ 1            ┆ 0.0        │
│ 2024   ┆ 27  ┆ teamE ┆ teamJ ┆ … ┆ 0         ┆ 3            ┆ 4            ┆ 2.4        │
└────────┴─────┴───────┴───────┴───┴───────────┴──────────────┴──────────────┴────────────┘