0

Dataset - Players Dataset - Players

Dataset - Results Dataset - Results

Boa noite,

Estou empacado em uma limpeza de dados. Estou trabalhando em um projeto para prever os vencedores de uma determinada partida de Counter Strike Global Offensive, para meu projeto de final de curso.

Porém as bases de dados possuem dados que não convergem. No dataset players possui valores na coluna "match_id" que não estão presentes na coluna "match_id" do dataset results e vice e versa

Tenho dificuldade em manipulação dos dados: Como faço para que ambos os datasets possuam o mesmo "match_id"? Pois existem "match_id" divergentes em ambas os datasets

P.S retirei os datasets desse tópico no kaggle:

https://www.kaggle.com/mateusdmachado/cs-go-professional-matches-analysis

P.S 2 - Eu tentei a seguinte solução sem resultado, fora as outras que deram errado:

inserir a descrição da imagem aqui

O resultado foi o seguinte:

inserir a descrição da imagem aqui

1 Resposta 1

0

Se pode usar o método isin do pandas para filtrar os dados que estão numa coluna usando uma série ou array (documentação aqui).

Por exemplo, para pegar todos os jogos no dataframe loc_results que aparecem no loc_players é só filtrar o dataframe usando loc_results["match_id"].isin(loc_players["match_id"]). Depois é só usar essa série para filtrar o dataframe.

filter = loc_results["match_id"].isin(loc_players["match_id"])
loc_results_filtered = loc_results[filter]
5
  • Obrigado @renatomt, matches_results = pd.DataFrame() for i in range (0, loc_results.shape[0]): if results[["match_id"]].isin(players[["match_id"]])==True matches_results = results.append(results.iloc[[i]]) Acredito que você me aproximou mais do ponto que eu quero chegar, mas ao realizar esse procedimento apareceu um outro erro: "The truth value of a DataFrame is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()." 20/07/2020 às 1:10
  • 1
    Para filtrar o dataframe se não precisa fazer um for loop. Supondo que vc tem uma série de verdadeiro e falso chamada serie_bool se pode usar df[serie_bool] e ele te retorna df com apenas os elementos que são verdadeiros na serie_bool
    – renatomt
    20/07/2020 às 1:38
  • Para a forma que você me passou, a resposta foi a comparação dos dataframe que retornaram True or False. Eu preciso remover os itens divergentes de ambos os dataframes. Por isso usei essa condição de for loop, que provavelmente está errada. 20/07/2020 às 1:41
  • 1
    ``` filter = df["series"].isin(df2["series"]) df3 = df[filter] ``` df3 nesse caso vai ser o df filtrado onde a coluna series tem o mesmo valor em df e df2. Se precisa fazer isso prós dois dataframes e se consegue os dataframes só com as partidas que tem nos dois.
    – renatomt
    20/07/2020 às 1:52
  • filter = players["match_id"].isin(results["match_id"]) matches_players = pd.DataFrame() matches_players = players[filter] matches_players MUITO OBRIGADO! DEU CERTO! 20/07/2020 às 2:03

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .