python - Pandas 按两列分组，仅根据计数保留满足条件的记录

Question

如果操作数达到阈值，则尝试过滤掉用户已执行的操作数。

这是数据集:(只有很少的记录)

user_id,session_id,item_id,rating,length,time
123,36,28,3.5,6243.0,2015-03-07 22:44:40
123,36,29,2.5,4884.0,2015-03-07 22:44:14
123,36,30,3.5,6846.0,2015-03-07 22:44:28
123,36,54,6.5,10281.0,2015-03-07 22:43:56
123,36,61,3.5,7639.0,2015-03-07 22:43:44
123,36,62,7.5,18640.0,2015-03-07 22:43:34
123,36,63,8.5,7189.0,2015-03-07 22:44:06
123,36,97,2.5,7627.0,2015-03-07 22:42:53
123,36,98,4.5,9000.0,2015-03-07 22:43:04
123,36,99,7.5,7514.0,2015-03-07 22:43:13
223,63,30,8.0,5412.0,2015-03-22 01:42:10
123,36,30,5.5,8046.0,2015-03-07 22:42:05
223,63,32,8.5,4872.0,2015-03-22 01:42:03
123,36,32,7.5,11914.0,2015-03-07 22:41:54
225,63,35,7.5,6491.0,2015-03-22 01:42:19
123,36,35,5.5,7202.0,2015-03-07 22:42:15
123,36,36,6.5,6806.0,2015-03-07 22:42:43
123,36,37,2.5,6810.0,2015-03-07 22:42:34
225,63,41,5.0,15026.0,2015-03-22 01:42:37
225,63,45,6.5,8532.0,2015-03-07 22:42:25

我可以使用 user_id 和 session_id 对数据进行groupby，并获取用户评分的项目的计数在 session 中:

df.groupby(['user_id', 'session_id']).agg({'item_id':'count'}).rename(columns={'item_id': 'count'})

可以获得用户在一次 session 中评分过的项目列表:

df.groupby(['user_id','session_id'])['item_id'].apply(list)

目标是如果用户在 session 中对超过 3 个项目进行了评分，我只想从原始数据框中选择前三个项目(每个用户每个 session 只保留前三个项目)。也许可以利用时间对元素进行排序？

首先尝试获取哪些 session 包含超过 3 个 session ，但有些难以超越。

df.groupby(['user_id', 'session_id'])['item_id'].apply(
            lambda x: (x > 3).count())

示例:在原始 df 中，用户 123 的前三个记录应属于 session 36

Answer 1

您似乎想将 groupby 与 head 一起使用:

In [8]: df.groupby([df.user_id, df.session_id]).head(3)
Out[8]:
    user_id  session_id  item_id  rating   length                 time
0       123          36       28     3.5   6243.0  2015-03-07 22:44:40
1       123          36       29     2.5   4884.0  2015-03-07 22:44:14
2       123          36       30     3.5   6846.0  2015-03-07 22:44:28
10      223          63       30     8.0   5412.0  2015-03-22 01:42:10
12      223          63       32     8.5   4872.0  2015-03-22 01:42:03
14      225          63       35     7.5   6491.0  2015-03-22 01:42:19
18      225          63       41     5.0  15026.0  2015-03-22 01:42:37
19      225          63       45     6.5   8532.0  2015-03-07 22:42:25