Question

我有3个数据集，分别包含预测，用户名和标签。使用下面的代码我平均了用户的预测（基于来自Jaime的帮助和来自Average using grouping value in another vector (numpy / Python)的ali_m）。标签与每个观察相关联，因此冗余信息。我想使用idx为每个用户找到唯一标签。我如何在NumPy中做到这一点？

>>> pred
   [ 0.99  0.23  0.11  0.64  0.45  0.55 0.76  0.72  0.97 ] 
>>> users
   ['User2' 'User3' 'User2' 'User3' 'User0' 'User1' 'User4' 'User4' 'User4']
>>> label
   [ 1  0  1  0  0  1  0  0  0 ]

unq, idx, cnt    = np.unique(user_data, return_inverse=True, return_counts=True) # assign integer indices to each unique user name, and get the total number of occurrences for each name
predictions_user = np.bincount(idx, weights=pred) / cnt   # now sum the values of pred corresponding to each index value and divide to get the mean

目前输出：

>>> unq
array(['User0', 'User1', 'User2', 'User3', 'User4'], dtype='|S5')
>>> predictions_user
array([ 0.45, 0.55, 0.55, 0.435, 0.81666667])

我想添加名为label_user的最后一个变量。每个值都是与unq中相同索引处的用户关联的标签。

示例输出：

>>> label_user
array([0, 1, 1, 0, 0])

Answer 1

您可以将return_index=True传递给np.unique来执行此操作。来自the docs：

return_index：bool，可选

如果为True，还会返回导致唯一数组的 ar 索引。

这为您提供了user_data的一组索引，这些索引在unq中提供了唯一值。要获取与unq中每个值对应的标签，您只需使用这些索引来索引labels：

unq, idx, inv_idx, cnt = np.unique(user_data, return_index=True,
                                   return_inverse=True, return_counts=True)

print(unq)
# ['User0' 'User1' 'User2' 'User3' 'User4']

print(label_user[idx])
# [0, 1, 1, 0, 0]

我已将“反向”索引数组重命名为inv_idx，以便将其与idx区分开来。

与每个唯一用户名的计算平均值一样，还有一种使用pandas获取相应标签的简单方法：

import pandas as pd

df = pd.DataFrame({'user_data':user_data, 'label_user':label_user})
print(df.groupby('user_data').label_user.unique())
# user_data
# User0        [0]
# User1        [1]
# User2        [1]
# User3        [0]
# User4        [0]
# Name: label_user, dtype: object

在对用户进行平均预测时附加标签信息

1 个答案: