Question

interactions_df = interactions[interactions['interaction_type'].isin([1,2,3])]

我有interaction_df数据帧。打印时显示为：

user_id item_id interaction_type    created_at
1974005 2668706 1   1444154047
2690450 405777  1   1445338496
2690450 1180447 1   1444806365
2690450 1803133 1   1440480562
2081252 405777  1   1442346826
2081252 805572  1   1441286115
732722  1266442 1   1446745768
687093  2651366 1   1445373507

现在通过简单地将这些数据分组到'item_id'和'user_id'，例如：

grouped = interactions_df.groupby(['item_id', 'user_id']).count()
print(grouped)

我得到了这个结果：

item_id user_id interaction_type    created_at
405777   2690450        1   1
         2081252        1   1    
805572   2081252        1   1 
1180447  2690450        1   1 
1266442  732722         1   1 
1803133  2690450        1   1
2651366  687093         1   1
2668706  1974005        1   1

现在我需要的是将我的数据存储在csv文件中，但是采用这种格式

item_id user_id 
405777   2690450, 2081252            
805572   2081252        
1180447  2690450         
1266442  732722          
1803133  2690450        
2651366  687093         
2668706  1974005

如果单个项目有多个用户，那么我需要在逗号分隔的列表中只需要这两个列，没有其他信息或计数。

我怎样才能做到这一点？请建议。

感谢。

Answer 1

我认为您可以先reset_index删除Multiindex。然后再次groupby和apply join（如果列user_id是数字，则需要astype将int投射到string最后写to_csv：

grouped = interactions_df.groupby(['item_id', 'user_id'], as_index=False).count()
print(grouped)
   item_id  user_id  interaction_type  created_at
0   405777  2081252                 1           1
1   405777  2690450                 1           1
2   805572  2081252                 1           1
3  1180447  2690450                 1           1
4  1266442   732722                 1           1
5  1803133  2690450                 1           1
6  2651366   687093                 1           1
7  2668706  1974005                 1           1

df = grouped.groupby('item_id')['user_id'].apply(lambda x: ", ".join(x.astype(str)))
                                          .reset_index()
print df

   item_id           user_id
0   405777  2081252, 2690450
1   805572           2081252
2  1180447           2690450
3  1266442            732722
4  1803133           2690450
5  2651366            687093
6  2668706           1974005

df.to_csv('file', index=False)

使用get_level_values的另一个小疯狂解决方案：

grouped = interactions_df.groupby(['item_id', 'user_id']).count()

print grouped.index.get_level_values('user_id').to_series()
             .groupby(grouped.index.get_level_values('item_id'))
             .apply(lambda x: ", ".join(x.astype(str)))
             .reset_index(name='user_id')

   item_id           user_id
0   405777  2081252, 2690450
1   805572           2081252
2  1180447           2690450
3  1266442            732722
4  1803133           2690450
5  2651366            687093
6  2668706           1974005

Pandas GroupBy对象为dataframe，以逗号分隔文件存储数据

1 个答案: