python - 将 pandas Dataframe 的行转换为可迭代的字符串列表

Question

假设我有一个数据框 df，它有 2 列，一个 USER_ID 和一个他们购买的产品。

df
USER_ID     |     PRODUCT
1                 a
1                 b
1                 c
2                 d
2                 a
2                 k

我想将此 DataFrame 转换为一个新的 DataFrame df2，其中每一行都是一个用户，并且产品聚合到一个字符串列表中。

df2
USER_ID     |     PRODUCT
1                 [a,b,c]
2                 [d,a,k]

最后，我希望能够找到两个用户的产品列表之间的交集。

我能够创建第二个数据帧，但我使用的方法会产生一个不可迭代的列表。

具体来说，我这样做: df2 = df1.groupby('USER_ID)['产品'].agg(lambda x: x.tolist())

这给了我一个系列，我将其转换回数据帧。

df2 = df2.to_frame()

这给了我正在寻找的 df2 但每个产品列表的长度 = 1，因此我无法将 1 与另一个进行比较以找到产品的交集。例如，当我执行:

s1 = df2.PRODUCT[df2.USER_ID == 1] 
s2 = df2.PRODUCT[df2.USER_ID == 2]

common_elements = list(set(s1).intersection(set(s2)))
common_elements

结果是一个空列表而不是 [a]。我究竟做错了什么？

Answer 1

试试这个:

df3 = pd.crosstab(df2.PRODUCT,df2.USER_ID, margins= True)
print df3[df3['All']>1]

  # USER_ID  1  2  All
   # PRODUCT           
   # a        1  1    2
   # All      3  3    6

我的解决方案与@Nikil非常相似，所以使用他的。

df2 = df.groupby('USER_ID')['PRODUCT'].apply(list)
df2 = df2.reset_index()
print df2


#         USER_ID    PRODUCT
#    0        1  [a, b, c]
#    1        2  [d, a, k]

有关交叉表的更多信息，它是一个数据框。

pd.crosstab(df2.PRODUCT,df2.USER_ID, margins= True)

#    USER_ID  1  2  All
#    PRODUCT           
#    a        1  1    2
#    b        1  0    1
#    c        1  0    1
#    d        0  1    1
#    k        0  1    1
#    All      3  3    6