Question

让我们描绘一下我的情景：

我试图对一组给定样本的几个API进行分析。因此，最后，我在脑海中想象如下：

2D表，其中每行是每个样本的名称，每列是每个API的名称。在每个表格中，我最终会得到一个可变数量的对键值（例如，＆＃39; dog＆＃39;：0.9）。所以，让我们举一个简单的例子

________________________________________________________________________
|row/column |   API 1      |   API 2      |   API  3     |   API 4     |
------------------------------------------------------------------------
|sample1    |{'dog':0.9,   |{'cat':0.3,   |{'dog':0.7,   |{'cat':0.2,  |
|           |'animal': 0.8}|'mammal':0.4} |'mammal':0.3} |'animal':0.9}|
------------------------------------------------------------------------
|sample2    |{'sun':0.6,   |{'sun':0.7,   |{'wind':0.5,  |{'sun':0.1,  |
|           |'beach': 0.3} |'water':0.7}  |'water':0.2}  |'wind':0.3}  |
------------------------------------------------------------------------
|sample3    |{'tenis':0.9, |{'court':0.3, |{'court':0.7, |{'ball':0.2, |
|           |'ball': 0.8}  |'player':0.4} |'tennis':0.3} |'court':0.9} | 
________________________________________________________________________

等等..

元素的数量不会总是2 ...它可以是0到N，但通常不会超过3-4个标签。

那就是说，之后我想用这些数据做的是简单的计算，如：

所有API中的出现次数
Maximum-Miminum得分
仅在API中出现的标签

你看，没有什么比这更复杂了。

我的问题是，作为一个带有熊猫的总菜鸟...... DataFrame是一个很好的方法吗？这种数据安排是正确还是应该改变？

Answer 1

是的，您希望使用index级别sample_id和api_id的{{3}}，然后您有两列包含{{1}和相关的tag。然后，您可以使用value轻松运行您的统计信息，例如。

这可能如下所示：

.groupby(level='api_id').value.max()

熊猫的DataFrame适合这个吗？

1 个答案: