python - 如果索引位于 3 个外部列表之一，如何通过条件计算 tfidf 向量的平均值？

Question

我试图通过索引位于 3 个列表之一中来实现分组 tfidf 向量(Pandas DataFrame 的行)并计算分组行的平均值。情况:

list_A = [1,2,3]
list_B = [4,5]
list_C = [6]

pandas.DataFrame:
id     word1     word2     word3
1      0.01      0.00      0.00 
2      0.00      0.01      0.01
3      0.01      0.01      0.00
4      0.01      0.01      0.01
5      0.01      0.00      0.01
6      0.00      0.01      0.01

我无法使用 pandas.DataFrame.groupby() 函数，现在我有点迷失了。

Answer 1

您可以通过使用三个列表进行索引并按其分组来设置具有唯一标识符的新列:

df.loc[list_A, "class"] = "A"
df.loc[list_B, "class"] = "B"
df.loc[list_C, "class"] = "C"
df
#     word1  word2  word3 class
# id                           
# 1    0.01   0.00   0.00     A
# 2    0.00   0.01   0.01     A
# 3    0.01   0.01   0.00     A
# 4    0.01   0.01   0.01     B
# 5    0.01   0.00   0.01     B
# 6    0.00   0.01   0.01     C

df.groupby("class").mean()
#           word1     word2     word3
# class                              
# A      0.006667  0.006667  0.003333
# B      0.010000  0.005000  0.010000
# C      0.000000  0.010000  0.010000

请注意，这假设 id 是数据帧的索引，并且列表包含索引中的值(就像您的示例中的情况一样)。