- 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?
我有一个数据框,其中包含 LDA 主题分布输出以及其他人口统计信息,如下所示:
single_df = pd.DataFrame([{"department": 'marketing', 'LDA_1': 0.252, 'LDA_2':0.002, 'LDA_3':0.50},
{"department": 'engineering', 'LDA_1': 0.478, 'LDA_2':0.152, 'LDA_3':0.492},
{"department": 'cooperate', 'LDA_1': 0.52, 'LDA_2':0.780, 'LDA_3':0.50},
{"department": "marketing", 'LDA_1': 0.352, 'LDA_2':0.052, 'LDA_3':0.20}])
i j same_department distance_LDA
0 1 0 0.23
0 2 0 0.43
0 3 1 0.26
1 2 0 0.24
1 3 0 0.11
2 3 0 0.29
我已经编写了代码来计算各个对之间的 JS 距离,如下所示。如何将其转换为函数?
array=single_df.filter(regex='LDA').to_numpy()
distance.jensenshannon(array[0],array[1])
然后计算两个人是否共享部门,我有下面的代码:
def same_department(i,j):
if i['department'] == j['department']:
return 1
else:
return 0
最佳答案
让我们尝试生成所有可能的行组合,合并以创建一个 DataFrame,其中可以在同一行中进行比较。然后根据列后缀逐行应用 jensenshannon 函数:
from itertools import combinations
from scipy.spatial.distance import jensenshannon
import pandas as pd
single_df = pd.DataFrame([{"department": 'marketing', 'LDA_1': 0.252,
'LDA_2': 0.002, 'LDA_3': 0.50},
{"department": 'engineering', 'LDA_1': 0.478,
'LDA_2': 0.152, 'LDA_3': 0.492},
{"department": 'cooperate', 'LDA_1': 0.52,
'LDA_2': 0.780, 'LDA_3': 0.50},
{"department": "marketing", 'LDA_1': 0.352,
'LDA_2': 0.052, 'LDA_3': 0.20}])
# Merge the 3 LDA Columns Into A Single Column Containing a List
single_df['LDA'] = single_df.filter(regex='^LDA_.*').agg(list, axis=1)
# Get Rid Of The Original LDA_X columns
single_df = single_df.filter(regex='^(?!LDA_.*)')
# Get All Row Combinations
a, b = map(list, zip(*combinations(single_df.index, 2)))
# Merge Together
df = single_df.loc[a].reset_index().merge(
single_df.loc[b].reset_index(),
left_index=True,
right_index=True,
)
# Apply jensonshannon to LDA_x and LDA_y Lists
df['distance_LDA'] = df.apply(
lambda x: jensenshannon(x['LDA_x'], x['LDA_y']), axis=1)
# Get If In Same Department
df['same_department'] = df['department_x'].eq(df['department_y']).astype(int)
# Rename and Filter Columns
df = df \
.rename(columns={'index_x': 'i',
'index_y': 'j'})[['i', 'j',
'same_department',
'distance_LDA']]
# For Display
print(df.to_string(index=False))
输出:
i j same_department distance_LDA
0 1 0 0.235849
0 2 0 0.429508
0 3 1 0.264777
1 2 0 0.238155
1 3 0 0.112456
2 3 0 0.299704
关于python - 计算 Pandas 数据框中两行 LDA 分布之间的距离,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67376488/
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!