看似简单的数据操作操作。但我坚持这一点。
我有一个事件的推荐数据集。
Masteruserid content
1 100
1 101
1 102
2 100
2 101
2 110
现在我们要为每个用户推荐至少 5 个内容。因此，例如 Masteruserid 1 有三个建议，我想从全局查看的内容中随机选择剩下的两个，这是一个单独的数据集(列表)。然后我还必须检查重复项，以防原始数据集中已经存在随机选择的数据。
global_content
100
300
301
101
实际上我有大约 4000 多个 Masteruserid。现在，我需要有关如何着手解决这个问题的帮助。
最佳答案
def add_content(df, gc, k=5):
n = len(df)
gcs = set(gc.squeeze())
if n < k:
choices = list(gcs.difference(df.content))
mc = np.random.choice(choices, k - n, replace=False)
ids = np.repeat(df.Masteruserid.iloc[-1], k - n)
data = dict(Masteruserid=ids, content=mc)
return df.append(pd.DataFrame(data), ignore_index=True)
gb = df.groupby('Masteruserid', group_keys=False)
gb.apply(add_content, gc).reset_index(drop=True)
关于python - Pandas/Python 中的数据操作，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/39103090/