大佬教程收集整理的这篇文章主要介绍了如何对 Pandas 中的 groupby 组应用额外的操作？，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
在三项结果匹配if ( (1/decimal odds 1) + (1/decimal odds 2) + (1/decimal draw odds) ) < 1中的体育博彩套利中存在获利机会。这些赔率中的每一个都来自同一场比赛的不同体育博彩。我有来自不同体育博彩的 1000 场比赛的数据框。有些游戏是同一款游戏，有些则不是。
以下是 3 行的示例：
基本上，我可以使用诸如 df.groupby(["game","league","date"])
我如何使用这些游戏组来确定哪里有套利机会？我正在考虑将每个组排序到最大的小数赔率并测试它是否有利可图。如果不是，则可以删除整个游戏组。虽然我不完全确定如何做到这一点。
我正在通过 3 个嵌套循环将列表与自身进行比较，但这非常慢，而且此操作对时间非常敏感。关于解决这个问题的最有效方法有什么想法吗？
我想通了：
grouped_df = df.groupby(["game","league","date"]).filter(lambda x: len(X) > 1)
grouped_df2 = grouped_df.groupby(["game","date"]).filter(lambda x: (1 / max(x.odds1d)) + (1 / max(x.odds2d)) + (1 / max(x.draw_oddsd)) < 1)
这大大减少了数据帧的大小（不到原始数据帧的 1%），只为盈利游戏。从这里我可以做任何我想做的操作，而不必太担心处理时间。
以上是大佬教程为你收集整理的如何对 Pandas 中的 groupby 组应用额外的操作？全部内容，希望文章能够帮你解决如何对 Pandas 中的 groupby 组应用额外的操作？所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。