文章/答案/技术大牛

发布

社区首页 >问答首页 >Python/Pandas -用另一个dataframe的值替换一个dataframe中的元素

问Python/Pandas -用另一个dataframe的值替换一个dataframe中的元素
EN

Stack Overflow用户

提问于 2016-07-14 09:59:51

回答 1查看 1.4K关注 0票数 3

我对用来自另一只熊猫DataFrame的DataFrame值替换一个元素有一个问题。为这个长邮差道歉。我试图举出许多中间的例子来澄清我的问题。我使用Python2.7.11 (Anaconda 4.0.0，64位)。

数据

我有一个熊猫DataFrame包含许多用户项目对。这个DataFrame (我们称之为initial_user_item_matrix)的形式如下：

   userId itemId  interaction
1       1      1            1
2       1      2            0
3       1      3            1
4       1      4            1
5       2      9            1
6       3      3            1
7       3      5            0

此外，我有一个只包含用户1的用户项对的DataFrame。我称之为cold_user_item_matrix，这个DataFrame的形式是：

   userId itemId  interaction
1       1      1            1
2       1      2            0
3       1      3            1
4       1      4            1

接下来，我有一个带有项目的numpy ndarray，我称之为ranked_items。它的形式如下：

[9 5 3 4]

最后，我将initial_user_item_matrix中的用户1的交互更改为NaN，这给出了以下DataFrame (称为new_user_item_matrix)：

   userId itemId  interaction
1       1      1          NaN
2       1      2          NaN
3       1      3          NaN
4       1      4          NaN
5       2      9            1
6       3      3            1
7       3      5            0

我想实现什么？

我希望将new_user_item_matrix中的用户1-项对的交互(当前为NaN)更改为initial_user_item_matrix 中特定交互的值，当且仅当该项包含在ranked_items数组中。之后，应该删除交互仍然是NaN的所有用户项对( itemId不在ranked_items中的用户1-项对)。请参见下面的结果集应该是什么样的。

中间结果：

   userId itemId  interaction
1       1      1          NaN
2       1      2          NaN
3       1      3            1
4       1      4            1
5       2      9            1
6       3      3            1
7       3      5            0

最终结果：

   userId itemId  interaction
3       1      3            1
4       1      4            1
5       2      9            1
6       3      3            1
7       3      5            0

我试过什么？

这是我的密码：

for item in ranked_items:
    if new_user_item_matrix.loc[new_user_item_matrix['userId']==cold_user].loc[new_user_item_matrix['itemId']==item].empty:
        pass
    else: new_user_item_matrix.replace(to_replace=new_user_item_matrix.loc[new_user_item_matrix['userId']==1].loc[new_user_item_matrix['itemId']==item].iloc[0,2],value=cold_user_item_matrixloc[cold_user_item_matrix['itemId']==item].iloc[0,2],inplace=True)

new_user_item_matrix.dropna(axis=0,how='any',inplace=True)

是干什么的呢？它循环遍历ranked_items数组中的所有项。首先，它检查用户1是否与项( if -if语句的一部分)交互。如果没有，则转到ranked_items数组中的下一个项(pass)。如果用户1确实与项( If语句的另一部分)交互，则将用户1的交互替换为来自new_user_item_matrix (当前为NaN)的项，将用户1的交互值替换为用户1与来自cold_user_item_matrix的项的交互值，后者为1或0(我希望你们都还在我身边)。

出什么问题了？

if语句的if-部分不会出现任何问题。当我试图替换new_user_item_matrix ( if语句的其他部分)的值时，它就出错了。在替换特定元素(交互)时，它不仅会替换该元素，而且还会将中的所有其他值替换为new_user_item_matrix中的NaN。为了说明，如果循环开始，它首先在itemId的9和5上循环，用户1没有与它们交互(因此什么都没有发生)。接下来，它在itemId 3上循环，userId 1和itemId 3的交互应该从NaN变为0。但是，它不仅将userId 1和itemId 3的交互更改为0，而且还将用户1的所有其他交互都更改为NaN的交互。

   userId itemId  interaction
1       1      1            1
2       1      2            1
3       1      3            1
4       1      4            1
5       2      9            1
6       3      3            1
7       3      5            0

这显然是不正确的，因为itemId 1和2不在ranked_items数组中，因此不应该发现它们之间的真正交互。此外，用户1和itemId 3的交互(a 1)对于所有交互都是填充的(即使它们的交互不是1，而是0)。

有谁能帮我吗？

numpy

pandas

dataframe

python

python-2.7

回答 1

Stack Overflow用户

回答已采纳

发布于 2016-07-14 12:21:06

短解

本质上，您希望丢弃给定用户的所有项交互，但只对未排序的项丢弃。

为了使建议的解决方案更具可读性，请假定为df = initial_user_item_matrix。

带有布尔条件的简单行选择(在原始df上生成只读视图)：

filtered_df = df[(df.userID != 1) | df.itemID.isin(ranked_items)]

类似的解决方案通过删除“无效”行来就地修改dataframe：

df.drop(df[(df.userID == 1) & ~df.itemID.isin(ranked_items)].index, inplace=True)

一步一步地使用所有中间结构

假设需要上述所有中间工件，则可以按以下方式获得所需的结果：

import pandas as pd
import numpy as np

initial_user_item_matrix = pd.DataFrame([[1, 1, 1], 
                                        [1, 2, 0], 
                                        [1, 3, 1], 
                                        [1, 4, 1], 
                                        [2, 9, 1], 
                                        [3, 3, 1], 
                                        [3, 5, 0]],
                                        columns=['userID', 'itemID', 'interaction'])
print("initial_user_item_matrix\n{}\n".format(initial_user_item_matrix))

ranked_items = np.array([9, 5, 3, 4]) 

cold_user = 1 

cold_user_item_matrix = initial_user_item_matrix.loc[initial_user_item_matrix.userID == cold_user]
print("cold_user_item_matrix\n{}\n".format(cold_user_item_matrix))

new_user_item_matrix = initial_user_item_matrix.copy()
new_user_item_matrix.ix[new_user_item_matrix.userID == cold_user, 'interaction'] = np.NaN
print("new_user_item_matrix\n{}\n".format(new_user_item_matrix))

new_user_item_matrix.ix[new_user_item_matrix.userID == cold_user, 'interaction'] = cold_user_item_matrix.apply(lambda r: r.interaction if r.itemID in ranked_items else np.NaN, axis=1)
print("new_user_item_matrix after replacing\n{}\n".format(new_user_item_matrix))

new_user_item_matrix.dropna(inplace=True)
print("new_user_item_matrix after dropping nans\n{}\n".format(new_user_item_matrix))

产生

initial_user_item_matrix
   userID  itemID  interaction
0       1       1            1
1       1       2            0
2       1       3            1
3       1       4            1
4       2       9            1
5       3       3            1
6       3       5            0

cold_user_item_matrix
   userID  itemID  interaction
0       1       1            1
1       1       2            0
2       1       3            1
3       1       4            1

new_user_item_matrix
   userID  itemID  interaction
0       1       1          NaN
1       1       2          NaN
2       1       3          NaN
3       1       4          NaN
4       2       9            1
5       3       3            1
6       3       5            0

new_user_item_matrix after replacing
   userID  itemID  interaction
0       1       1          NaN
1       1       2          NaN
2       1       3            1
3       1       4            1
4       2       9            1
5       3       3            1
6       3       5            0

new_user_item_matrix after dropping nans
   userID  itemID  interaction
2       1       3            1
3       1       4            1
4       2       9            1
5       3       3            1
6       3       5            0

票数 4

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/38371181

复制

相似问题

问Python/Pandas -用另一个dataframe的值替换一个dataframe中的元素
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Python/Pandas -用另一个dataframe的值替换一个dataframe中的元素EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Python/Pandas -用另一个dataframe的值替换一个dataframe中的元素
EN