gpt4 book ai didi

python - 查找共享值的行

转载 作者:行者123 更新时间:2023-12-02 08:21:39 25 4
gpt4 key购买 nike

我有一个如下所示的 pandas 数据框:

df = pd.DataFrame({'name': ['bob', 'time', 'jane', 'john', 'andy'], 'favefood': [['kfc', 'mcd', 'wendys'], ['mcd'], ['mcd', 'popeyes'], ['wendys', 'kfc'], ['tacobell', 'innout']]})
-------------------------------
name | favefood
-------------------------------
bob | ['kfc', 'mcd', 'wendys']
tim | ['mcd']
jane | ['mcd', 'popeyes']
john | ['wendys', 'kfc']
andy | ['tacobell', 'innout']

对于每个人,我想找出其他人有多少最喜欢的食物与自己的重叠。也就是说,对于每个人,我想找出有多少其他人与他们有非空交集。

生成的数据框将如下所示:

------------------------------
name | overlap
------------------------------
bob | 3
tim | 2
jane | 2
john | 1
andy | 0

问题是我有大约 200 万行数据。我能想到的唯一方法是通过嵌套的 for 循环 - 即对于每个人,遍历整个数据帧以查看重叠的内容(这将非常低效)。有没有办法使用 pandas 表示法更有效地做到这一点?谢谢!

最佳答案

背后的逻辑

s=df['favefood'].explode().str.get_dummies().sum(level=0)
s.dot(s.T).ne(0).sum(axis=1)-1
Out[84]:
0 3
1 2
2 2
3 1
4 0
dtype: int64
df['overlap']=s.dot(s.T).ne(0).sum(axis=1)-1

来自sklearn的方法

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
s=pd.DataFrame(mlb.fit_transform(df['favefood']),columns=mlb.classes_, index=df.index)

s.dot(s.T).ne(0).sum(axis=1)-1

0 3
1 2
2 2
3 1
4 0
dtype: int64

关于python - 查找共享值的行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60713739/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com