Question

我有一个像

这样的数据框

       customer         genre
0      cust1           |BIOPIC|DRAMA|
1      cust2           |COMEDY|DRAMA|ROMANCE|
2      cust1           |DRAMA|THRILLER|
3      cust3           |COMEDY|HORROR|
4      cust4           |HISTORY|ROMANCE|WAR|
5      cust3           |ADVENTURE|COMEDY|
6      cust2           |ACTION|DRAMA|THRILLER|
7      cust1           |CRIME|DRAMA|THRILLER|
8      cust3           |HISTORY|ROMANCE|WAR|
9      cust2           |ADVENTURE|COMEDY|
10     cust4           |BIOPIC|DRAMA|HISTORY|THRILLER|

我需要=每个客户进行交易的次数（客户数量）及其各自的流派数量.Eg。 cust1 DRAMA = 3，cust1 THRILLER = 2，对每个客户来说都是明智的。

我确实找到了每个客户的数量

df = df.groupby(['cust']).size()

然后我知道如何过滤掉这些类型并获得计数，如果它在列表中，但我对如何处理每组客户并获得每个客户的个人类型计数感到困惑。

从流派表达式中过滤（|）并将字段输出。

请建议。

Answer 1

功能str.get_dummies非常适合此类事情！它就像dataframe version一样，但在字符串上，允许您指定分隔符。假设您的数据框名为df，则下面的代码会执行您的操作：

import pandas as pd
import numpy as np   
df = pd.concat([df, df.Genres.str.get_dummies(sep='|')], axis=1)
df = df.groupby("Customers").aggregate(np.sum)

print(df)

输出：

           ACTION  ADVENTURE  BIOPIC  COMEDY  CRIME  DRAMA  HISTORY  HORROR  \
Customers
cust1           0          0       1       0      1      3        0       0
cust2           1          1       0       2      0      2        0       0
cust3           0          1       0       2      0      0        1       1
cust4           0          0       1       0      0      1        2       0

为了解释一下，str.get_dummies方法为它在指定列中看到的每个值创建一个新列，然后为存在的值标记1，在其他地方标记0。 GroupBy和Aggregate方法根据客户创建集群并添加列。 Aggregate会默默地删除无法添加的列，在这种情况下是原始的Genres列。

查找数据帧组计数

1 个答案: