我有一个问题,用另一个pandas数据帧的值替换一个pandas数据帧中的元素。很抱歉我发了这么长的帖子。我试着在中间举许多例子来澄清我的问题。我使用python2.7.11(Anaconda 4.0.0,64位)。在
数据
我有一个包含许多用户项对的pandas数据帧。此数据帧(我们称之为初始用户项矩阵)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user1的用户项对的数据帧。我称之为cold_user_item_matrix,此数据帧的形式如下:
^{pr2}$接下来,我有一个包含项目的numpy-ndarray,我称之为排名的项目。其形式为:
[9 5 3 4]
最后,我将初始用户项矩阵中的用户1的交互更改为NaN
,它给出了以下数据帧(称之为新的用户项矩阵):
userId itemId interaction
1 1 1 NaN
2 1 2 NaN
3 1 3 NaN
4 1 4 NaN
5 2 9 1
6 3 3 1
7 3 5 0
我想实现什么?
我想将新用户项目矩阵(当前为NaN
)中的用户1项对的交互更改为初始用户项矩阵中特定交互的值,当且仅当项目包含在排名的项目数组中时。然后,所有交互仍然NaN
的用户项对(DataFrame的行)都应该被删除(user1-item对,itemId不在排名的项目中)。请看下面的结果集应该是什么样子。在
中间结果:
userId itemId interaction
1 1 1 NaN
2 1 2 NaN
3 1 3 1
4 1 4 1
5 2 9 1
6 3 3 1
7 3 5 0
最终结果:
userId itemId interaction
3 1 3 1
4 1 4 1
5 2 9 1
6 3 3 1
7 3 5 0
我试过什么?
这是我的代码:
for item in ranked_items:
if new_user_item_matrix.loc[new_user_item_matrix['userId']==cold_user].loc[new_user_item_matrix['itemId']==item].empty:
pass
else: new_user_item_matrix.replace(to_replace=new_user_item_matrix.loc[new_user_item_matrix['userId']==1].loc[new_user_item_matrix['itemId']==item].iloc[0,2],value=cold_user_item_matrixloc[cold_user_item_matrix['itemId']==item].iloc[0,2],inplace=True)
new_user_item_matrix.dropna(axis=0,how='any',inplace=True)
它有什么作用?它循环遍历排名的“项目数组中的所有项目。首先,它检查用户1是否与该项(if语句的if部分)进行了交互。如果不是,则转到排名的项数组中的下一项(pass)。如果用户1确实与该项交互(If语句的else部分),则将用户1的交互替换为来自新用户项矩阵的项(当前为NaN
),替换为用户1与来自冷用户项矩阵的项的交互值,即1或0(我希望你们都还在我身边)。在
出什么问题了?
if语句的if部分没有给出任何问题。当我试图替换new_user_item_matrix中的值(if语句的else部分)时,它出错了。当替换特定元素(交互作用)时,它不仅替换该元素,而且还替换新用户项矩阵中的所有其他值。为了说明,如果循环开始,它首先循环itemId的9和5,这两个用户1没有交互(因此什么也没有发生)。接下来,它在itemid3上循环,userId 1和itemid3的交互应该从NaN
更改为0。但它不仅将userId 1和itemId 3的交互更改为0,而且还将用户1的所有其他交互都更改为NaN
userId itemId interaction
1 1 1 1
2 1 2 1
3 1 3 1
4 1 4 1
5 2 9 1
6 3 3 1
7 3 5 0
这显然是不正确的,因为itemId 1和2不在排名的_items数组中,因此它们的真实交互不应该被发现。此外,用户1和itemId 3的交互(a1)将为所有交互填充(即使它们的交互不是1而是0)。在
有谁能帮我吗?在
短解
本质上,您希望放弃给定用户的所有项目交互,但仅限于那些排名而非的项目。在
为了使建议的解决方案更具可读性,假设
df = initial_user_item_matrix
。在具有布尔条件的简单行选择(在原始
df
上生成只读视图):类似的解决方案通过删除“无效”行来修改数据帧:
^{pr2}$使用所有中间结构的逐步解决方案
假设上述所有中间产物都是必需的,则可以获得如下期望的结果:
生产
相关问题 更多 >
编程相关推荐