python - panda的DataFrame适合这个吗？

Question

让我们描述一下我的场景:

我正在尝试对给定示例集的多个 API 进行分析。因此，最后，我在脑海中想象如下:

二维表，其中每行是每个样本的名称，每列是每个 API 的名称。在每个表上，我最终都会有数量可变的键值对(例如，“dog”:0.9)。那么让我们举一个简单的例子

________________________________________________________________________
|row/column |   API 1      |   API 2      |   API  3     |   API 4     |
------------------------------------------------------------------------
|sample1    |{'dog':0.9,   |{'cat':0.3,   |{'dog':0.7,   |{'cat':0.2,  |
|           |'animal': 0.8}|'mammal':0.4} |'mammal':0.3} |'animal':0.9}|
------------------------------------------------------------------------
|sample2    |{'sun':0.6,   |{'sun':0.7,   |{'wind':0.5,  |{'sun':0.1,  |
|           |'beach': 0.3} |'water':0.7}  |'water':0.2}  |'wind':0.3}  |
------------------------------------------------------------------------
|sample3    |{'tenis':0.9, |{'court':0.3, |{'court':0.7, |{'ball':0.2, |
|           |'ball': 0.8}  |'player':0.4} |'tennis':0.3} |'court':0.9} | 
________________________________________________________________________

等等..

元素的数量不会总是 2...它可以从 0 到 N，但通常不会超过 3-4 个标签。

也就是说，之后我想对这些数据进行简单的计算，例如:

• 所有 API 中出现的次数
• 最大-最小分数
• 仅出现在 API 中的标签

如您所见，没有什么真正复杂的。

我的问题是，作为 pandas 的菜鸟...DataFrame 是一个好方法吗？这样的数据排列是否可以，或者是否应该改变？

Answer 1

是的，您需要使用MultiIndex其中 index 级别包含 sample_id 和 api_id，然后有两列包含 tag 和关联的值。然后，您可以使用 .groupby(level='api_id').value.max() 轻松运行统计信息。

这可能如下所示:

                   tag  value
sample_id api_id             
1         1       tag1      1
2         1       tag2      2
3         1       tag3      3
4         2       tag1      1
5         2       tag2      2
6         2       tag3      3
7         2       tag4      1
8         2       tag5      2
9         2       tag6      3
10        3       tag1      1
11        3       tag2      2
12        3       tag3      3
13        3       tag4      1
14        3       tag5      2
15        4       tag1      3