- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试将与索引关联的值与与其他索引关联的值进行比较,并得出百分比匹配。
我有下表:
ColumnA ColumnB
TestA A
TestA B
TestA C
TestA D
TestB D
TestB E
TestC C
TestC B
TestC E
TestD A
Index TestA has values A,B,C,D when compared to Index B which has values D,E we can see only 1 value matches out of possible 5(A,B,C,D,E). Hence match in 20%.
Index TestA has values A,B,C,D when compared to Index C which has values C,B,E we can see only 2 value matches out of possible 5(A,B,C,D,E). Hence match in 40%.
Index TestA has values A,B,C,D when compared to Index D which has values A we can see only 1 value matches out of possible 4(A,B,C,D). Hence match in 25%.
Index TestB has values D,E when compared to Index A which has values A,B,C,D we can see only 1 value matches out of possible 5(A,B,C,D,E). Hence match in 20%.
Index TestB has values D,E when compared to Index C which has values C,B,E we can see only 1 value matches out of possible 1(B,C,D,E). Hence match in 25%.
...等等...
想法是以矩阵格式显示数据:
TestA TestB TestC TestD
TestA 100 20 40 25
TestB 20 100 25 0
TestC 40 25 100 0
TestD 25 0 0 100
我编写的基本代码是迭代值。
import pandas as pd
from pyexcelerate import Workbook
import numpy as np
import time
start = time.process_time()
excel_file = 'Test.xlsx'
df = pd.read_excel(excel_file, sheet_name=1, index_col=0)
mylist = list(set(df.index.get_values()))
mylist.sort()
for i in mylist:
for j in mylist:
L1 = df.loc[i].get_values()
L2 = df.loc[j].get_values()
L3 = []
print(i,j)
for m in L1:
if not m in L3:
L3.append(m)
for n in L2:
if not n in L3:
L3.append(n)
L3.sort()
if i == j:
print(len(L1)/len(L3)*100)
else:
n = 0
for k in L1:
for l in L2:
if k == l:
n = n+1
print(n/len(L3)*100)
print(time.process_time() - start)
如何从这里计算百分比并以我希望显示的矩阵格式显示数据。
EDIT1:更新了代码,因为我现在可以计算百分比了。我正在寻找一种以矩阵格式打印这些数据的方法。
EDIT2:原始数据集在 A 列中约有 10k 个奇数唯一条目,在 B 列中约有 15K 个奇数唯一条目。工作表中的总行数约为 40 行。不确定这是否有影响。只是认为它会提供一些背景。
最佳答案
可以使用itertools计算所有唯一的Col A的乘积,然后计算pct并构建新的df:
from itertools import product
# for each unique element in colA, build a list of unique elements from ColB
g = (
df.groupby('ColumnA').ColumnB
.apply(lambda x: x.values.tolist())
)
# generate a combination of all the lists
prod = list(product(g, repeat=2))
data = (
#for each pair of lists, find the number of common elements,
#then divide by the union of 2 lists. This gives you the pct.
np.array([len(set(e[0]).intersection(e[1]))/len(set(e[0]).union(e[1])) for e in prod])
.reshape(len(g), -1)
)
pd.DataFrame(data*100, index=g.index.tolist(), columns=g.index.tolist())
TestA TestB TestC TestD
TestA 100.0 20.0 40.0 25.0
TestB 20.0 100.0 25.0 0.0
TestC 40.0 25.0 100.0 0.0
TestD 25.0 0.0 0.0 100.0
关于python - Pandas 将索引值与相应的索引值进行比较以找到百分比匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57764494/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!