我有以下数据框。
>>> df = pd.DataFrame({'selected': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'D'], 'presented': ['A|B|D', 'B|D|A', 'A|B|C', 'D|C|B|A','A|C|D|B', 'D|B|C','D|C|B|A','D|B|C']})
>>> df
这是一个大型数据集,有 500K 行(为了简化示例,删除了日期列)
selected presented
0 A A|B|D
1 B B|D|A
2 C A|B|C
3 A D|C|B|A
4 B A|C|D|B
5 C D|B|C
6 A D|C|B|A
7 D D|B|C
目标是计算所选列中每个项目的选择/呈现
比率。示例 A
出现了 8
次,但在出现的 8
次中它只被选中了 6
次给用户。
我想创建以下结果 data.frame:
item, selected, presented, ratio
A, 3, 6, 0.5
B, 2, 8, 0.25
我从跟随开始,但无法弄清楚分组,因为如果我只是按 selected
分组并开始计数,它只会捕获它显示的时间。
>>> df['ratio'] = df.apply(lambda x:1 if x.selected in x.presented.split('|') else 0, axis=1)
>>> df
selected presented ratio
0 A A|B|D 1
1 B B|D|A 1
2 C A|B|C 1
3 A D|C|B|A 1
4 B A|C|D|B 1
5 C D|B|C 1
6 A D|C|B|A 1
7 D D|B|C 1
最佳答案
您可以使用get_dummies
+ value_counts
,然后concat
结果
s1=df.presented.str.get_dummies('|').sum().to_frame('presented')
s2=df.selected.value_counts()
yourdf=pd.concat([s1,s2],1,sort=True)
yourdf['ratio']=yourdf['selected']/yourdf['presented']
yourdf
Out[488]:
presented selected ratio
A 6 3 0.500000
B 8 2 0.250000
C 6 2 0.333333
D 7 1 0.142857
关于python - Pandas:对于 df 中的每一行,计算该值在另一列中存在的次数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55404895/