Question

我有这个特殊的代码，可以在一年内找到评分最高的电影：

best_movies = []
for year, subset in data.groupby('year'):
    is_best_movie = subset.rating == subset.rating.max()
    best_movies.append([year,subset[is_best_movie].title.values[0], subset.rating.max()])
best_df = pd.DataFrame(best_movies,columns=['year','title','rating'])
best_df.tail()

任何人都可以解释subset的作用及其与is_best_movie的关系，因为我试图找到有史以来收视率最低的电影，而我今年遇到了问题。

Answer 1

你提供的数据非常少，这使得它成为一种猜谜游戏。但是，我相信我的猜测很可能。

这一行：

for year, subset in data.groupby('year'):

建议data是DataFrame，并且从此行开始，以下内容包含year，title和rating的列。

因此，当您执行data.groupby('year')时，您可以将同一年的所有电影组合在一起，这就是subset包含的内容。

is_best_movie = subset.rating == subset.rating.max()

这一行将is_best_movie变成一个布尔系列，它的长度等于subset的长度，除了最高等级的电影外，所有都是假的（可能有多个人有最高评级）。因此，当我们subset[is_best_movie]时，我们只得到那一年具有最大评级的行。

best_movies.append([year,subset[is_best_movie].title.values[0], subset.rating.max()])

在这里，年份，具有最佳评级标题和最佳评级的电影的第一个（有点随机）都作为子列表添加到名为best_movies的列表中。

在这里：

best_df = pd.DataFrame(best_movies,columns=['year','title','rating'])

此列表再次转为DataFrame。

所以我们有一个DataFrame，我假设有很多电影，他们的年份和评级，我们最终会得到一个列出每年“最佳”电影的数据框。

如果你想找到有史以来收视率最低的电影，我想你可以这么做：

data.sort('rating').iloc[:10]

例如，这将为您提供评分最差的10部电影。

或者，如果根据评论中的建议，您希望每年最糟糕的电影，则需要更改两行：

is_best_movie = subset.rating == subset.rating.min()
best_movies.append([year,subset[is_best_movie].title.values[0], subset.rating.min()])

Answer 2

如果此电影的评分是最大值，则

is_best_movie是True的逻辑向量，否则为False。

关于python中子集的代码说明

2 个答案: