Question

我想对一组值进行高斯归一化（按业务排名和评论者等级进行归一化）。这是代码：

import pandas as pd
import numpy as np

columns = ['user_id','business_id', 'stars']
data = {'user_id': ['u1', 'u1', 'u2', 'u1', 'u2', 'u2', 'u2', 'u1'],
    'business_id': ['r1', 'r2', 'r2', 'r2', 'r1', 'r2', 'r1', 'r1'],
    'stars': [5.0, 3.0, 2.0, 4.0, 1.0, 5.0, 2.0, 4.0],
    }
df = pd.DataFrame(data, columns=columns)

userList = set(df.user_id)
busList = set(df.business_id)


for user_id in userList:
    # average rating given by the user
    avg_user = df[df.user_id == user_id].stars.mean()
    sum = 0.0  
    for bus_id in busList:

        sum += (df[(df.user_id == user_id) & (df.business_id == bus_id)].stars.values - avg_user)**2

    for bus_id2 in busList:

        rating = (df[(df.user_id == user_id) & (df.business_id == bus_id2)].stars.values - avg_user) / sum

        df[(df.user_id == user_id) & (df.business_id == bus_id2)].stars = rating

busList - 是一个业务ID列表 userList - 用户ID列表

我觉得我有太多的循环，但我无法找到减少数量的方法。需要建议
我的最后一行代码，我将替换列中的值＆＃34; stars＆＃34;计算值＆＃34;评级＆＃34;看起来很笨重。有什么建议吗？
当我在每个周期后打印总和时，我对我的结果很奇怪：

[2. 0.] - 对于u1（这两个数字的总和）必须为2.0

[2.5 6.5] - 对于u2（这两个数字的总和）必须为9

我觉得代码很笨，我做错了

谢谢！

使用计算值替换多索引数据框列中的值

0 个答案: