根据另一列查找通用列值

debugcn 发表于 Dev

桑瓦尔

我有一个数据框，其中包含两列UserId和movieId。不同的用户观看了不同的电影。我想获取（例如，两个普通用户之间的三部普通电影）。

df = DataFrame({'userId' : [1,2,3,1,3,6,2,4,1,2], 'movieId' : [222,222,900,555,555,888,555,222,666,666]})

所需的结果应该是这样的

userId movieId
1       222
1       555
1       666
2       222
2       555
2       666

我不需要用户不包含三部普通电影的其他条目。例如，如果有另一个用户观看了所有三部电影，则应考虑。

马克·莫雷托

这是做一些数据帧操作的代码。

设置一些变量：

n_common_movies = 3 n_users = 2
创建包含电影组的列：

df1 = df.groupby('userId')['movieId'].apply(list).reset_index(name='movies')

输出：

df1

   userId           movies
0       1  [222, 555, 666]
1       2  [222, 555, 666]
2       3       [900, 555]
3       4            [222]
4       6            [888]

将列表减少为相等的电影数量，n_common_movies因为这是我们想要的总数。如果不满足，那么我们可以跳过其余过程。

df2 = df1.loc[df1['movies'].apply(lambda x: len(x))== n_common_movies,:]

输出：

df2

   userId           movies
0       1  [222, 555, 666]
1       2  [222, 555, 666]

使用pd.explode（）“堆叠”步骤2的结果：

df3 = df2.explode('movies')

输出：

df3

   userId movies
0       1    222
0       1    555
0       1    666
1       2    222
1       2    555
1       2    666

创建另一个分组以获取每个电影的观看次数：

df4 = df3.groupby('movies').size().reset_index(name='viewer_count')

输出：

df4

   movies  viewer_count
0     222             2
1     555             2
2     666             2

最后，检查以确保基于预期用户数的过滤结果等于普通电影数量的长度，并打印... userId，我猜是这样。打印任何您想要的，大声笑。

if len(df4[df4['viewer_count'] == n_users]) == n_common: tmp = '\n\t'.join([str(i) for i in list(set(df3['userId']))]) print('Users with three common movies: \n\t{}'.format(tmp))

输出：

Users with three common movies: 1 2

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。