在游戏对战、团队赛事评分等场景下，我们常常需要统计多个玩家两两组合或者多玩家组合的得分情况，生成结构清晰的得分表。传统手动拼接数据的方式不仅耗时，还容易出现数据错位的问题，而使用Pandas可以高效完成整个流程。
基础数据准备
首先我们需要准备玩家的基础信息数据，包括玩家ID和对应的基础得分，这里用DataFrame来存储原始数据：
import pandas as pd
# 模拟玩家基础数据
player_data = {
"player_id": ["p1", "p2", "p3", "p4"],
"base_score": [85, 92, 78, 90]
}
players_df = pd.DataFrame(player_data)
print("原始玩家数据：")
print(players_df)
生成多玩家组合
如果我们需要生成两两玩家的组合，可以使用itertools.combinations配合Pandas展开，不过纯Pandas也可以通过交叉合并的方式实现，这里以两两组合为例：
# 给原数据添加临时键用于交叉合并
players_df["tmp_key"] = 1
# 交叉合并得到所有两两组合（包含自身组合，后续可过滤）
combine_df = pd.merge(players_df, players_df, on="tmp_key", suffixes=("_a", "_b"))
# 过滤掉玩家ID相同的组合，得到纯两两不同玩家组合
combine_df = combine_df[combine_df["player_id_a"] != combine_df["player_id_b"]]
# 删除临时键
combine_df = combine_df.drop("tmp_key", axis=1)
print("两两玩家组合数据：")
print(combine_df)
计算组合得分
组合得分的计算规则可以根据业务需求自定义，这里假设组合得分为两个玩家基础得分的平均值，同时添加组合名称字段方便识别：
# 计算组合得分（这里取两个玩家基础得分的平均值）
combine_df["combine_score"] = (combine_df["base_score_a"] + combine_df["base_score_b"]) / 2
# 生成组合名称
combine_df["combine_name"] = combine_df["player_id_a"] + "_" + combine_df["player_id_b"]
# 调整列顺序，只保留需要的字段
result_df = combine_df[["combine_name", "player_id_a", "player_id_b", "combine_score"]]
print("计算后的组合得分表：")
print(result_df)
生成透视表格式得分表
如果希望得到行和列都是玩家ID，单元格为对应组合得分的透视表格式，可以使用Pandas的pivot_table方法：
# 生成透视表，行为玩家a，列为玩家b，值为组合得分
pivot_score_df = result_df.pivot_table(
index="player_id_a",
columns="player_id_b",
values="combine_score",
aggfunc="first"
)
# 重置索引，让结果更规整
pivot_score_df = pivot_score_df.reset_index()
print("透视表格式得分表：")
print(pivot_score_df)
扩展说明
如果需要生成三个及以上玩家的组合，可以先通过多次交叉合并得到多玩家组合数据，再根据对应的得分规则计算即可。另外如果组合不需要区分顺序，比如p1_p2和p2_p1是同一个组合，可以在生成组合后添加去重逻辑，只保留组合名称排序后唯一的数据即可。
整个流程仅使用了Pandas的基础合并、过滤、计算、透视功能，不需要额外引入其他数据处理库，在处理中等规模的数据时效率表现良好，代码也具备较高的可维护性。