python - 如何找到最大的 Pandas 群体

Question

我有一个评级数据框，其中包含 userId、movieId、rating 行。我想找到评分最高的用户。

这是我写的代码:

import pandas as pd
ratings = pd.read_csv('ratings.csv') # userId,movieId,rating
user_rating_counts = ratings[['userId','movieId']].groupby('userId')['movieId'].agg(['count'])
top_rator = user_rating_counts[user_rating_counts['count']==user_rating_counts['count'].max()]

文件如下所示:

userId,movieId,rating
1,1,4.0
1,3,4.0
1,6,4.0
1,47,5.0
1,50,5.0
1,70,3.0
1,101,5.0
1,110,4.0

当我在 jupyter notebook 中查看 top_rator 时，它看起来像这样:

       count
userId  
414     2698

我想从中得到的是一个像这样的元组:

(414, 2698)

我该怎么做？

附言任何关于我如何能做得更好/更快/更短的评论都将不胜感激。

Answer 1

使用groupby与 size然后 Series.agg列表中有 max 和 idxmax:

tup = tuple(ratings.groupby('userId').size().agg(['idxmax','max']))
print (tup)
(1, 8)

解释:

第一聚合size每组:

#changed data - multiple groups
print (df)
   userId  movieId  rating
0       1        1     4.0
1       1        3     4.0
2       1        6     4.0
3       2       47     5.0
4       2       50     5.0
5       2       70     3.0
6       2      101     5.0
7       3      110     4.0

print (df.groupby('userId').size())
userId
1    3
2    4
3    1
dtype: int64

输出是Series，所以加了Series.agg具有函数列表 idxmax 和 max 用于索引和系列值的最大值:

print (df.groupby('userId').size().agg(['idxmax','max']))
idxmax    2
max       4
dtype: int64

最后转换为元组:

print (tuple(df.groupby('userId').size().agg(['idxmax','max'])))
(2, 4)

---

如果多个组具有相同的最大大小的解决方案:

print (ratings)   
   userId  movieId  rating
0       1        1     4.0
1       1        3     4.0
2       1        6     4.0
3       2       47     5.0
4       2       50     5.0
5       2       70     3.0
6       3      101     5.0
7       3      110     4.0

第一聚合size每组，但有 2 个组的最大 3 值:

user_rating_counts = ratings.groupby('userId')['movieId'].size()
print (user_rating_counts)
userId
1    3
2    3
3    2
Name: movieId, dtype: int64

所以使用boolean indexing第一:

top_rator = (user_rating_counts[user_rating_counts == user_rating_counts.max()])
print (top_rator)
userId
1    3
2    3
Name: movieId, dtype: int64

创建 DataFrame 并转换为元组列表:

tup = list(map(tuple, top_rator.reset_index().values.tolist()))
print (tup)
[(1, 3), (2, 3)]