pandas - 检查用户 ID 交互的 pandas 数据框中的唯一条目

Question

我有这样的数据框:

user_id : 代表用户

question_id : 代表问题编号

user_answer : 用户从 (A,B,C,D) 中选择了哪个选项

correct_answer:该特定问题的正确答案是什么

正确:如果为 0.0 则表示用户回答不正确，如果为 1.0 则表示用户回答正确

elapsed_time :它表示用户回答该问题所花费的时间(以分钟为单位)

<表类="s-表"><头>user_idquestion_iduser_answer正确答案正确elapsed_time<正文>1130一个B0.02.001130BB1.05.001130BB1.02.00210CD0.07.00210一个D0.09.00210BD0.013:00210DD1.04.00210DD1.01.50

我希望另一个数据框看起来像这样

<表类="s-表"><头>user_id尝试的问题尝试过的独特问题百分比<正文>190006000=(6000/13169)*100250004800=(5000/13169)*10051200010000=(10000/13169)*10015100030=(30/13169)*10023255255=(255/13169)*100

到目前为止我所做的就是这些

df_total_questions_attempted = df.groupby(['user_iD'], as_index=False , sort=False)['question_id'].count()

df_total_questions_attempted = df_total_questions_attempted.rename(columns={'question_id': 'Total Questions Attempted'})   

这给了我尝试过的问题列，如何找到尝试过的独特问题列？

对于 Unique Questions Attempted 列，当用户更正答案时，我需要该唯一条目。

例如:

<表类="s-表"><头>user_idquestion_iduser_answer正确答案正确elapsed_time<正文>1130一个B0.02.001130BB1.05.001130BB1.02.00210CD0.07.00210一个D0.09.00210DD1.04.00210DD1.01.50

在此数据框中:当用户第一次更正问题时，应考虑独特的问题尝试，如本例所示用户 1 已在第 2 次和第 3 次尝试中更正了问题。它应该考虑第二次尝试。用户 2 也一样，用户 2 在第 3 次和第 4 次尝试中更正了问题，应该考虑第 3 次尝试

Answer 1

通过链掩码为每个 user_id 和 question_id 创建第一个正确答案的辅助列，用于测试 == by Series.eq与 DataFrame.duplicated :

df['new'] = df['correct'].eq(1) & ~df.duplicated(['user_id','question_id','correct'])
print (df)
   user_id  question_id user_answer correct_answer  correct  elapsed_time  \
0        1          130           A              B      0.0           2.0   
1        1          130           B              B      1.0           5.0   
2        1          130           B              B      1.0           2.0   
3        2           10           C              D      0.0           7.0   
4        2           10           A              D      0.0           9.0   
5        2           10           B              D      0.0          13.0   
6        2           10           D              D      1.0           4.0   
7        2           10           D              D      1.0           1.5   

     new  
0  False  
1   True  
2  False  
3  False  
4  False  
5  False  
6   True  
7  False 

然后对于计数 True 的聚合 sum 和计数唯一的 questions 使用 DataFrameGroupBy.nunique :

df1 = (df.groupby(['user_id'])
        .agg(**{'Questions Attempted':('question_id','nunique'),
                'Unique Questions Attempted':('new','sum')})
        .reset_index())

最后似乎百分比是必要的除以独特问题的数量:

no_uniq_q = df['correct'].nunique()
df1['Percentage'] = df1['Unique Questions Attempted'].div(no_uniq_q).mul(100)
print (df1)
   user_id  Questions Attempted  Unique Questions Attempted  Percentage
0        1                    1                           1        50.0
1        2                    1                           1        50.0