Question

想象一下，我有一个数据框，可存储个人阅读的图书及其分数：

df = pd.DataFrame({
'person' : [1,1,2,2,3,3], 
'book' : ['dracula', 'frankenstein', 'dracula', 'frankenstein',   'dracula', 'rebecca'], 
'score':[10,11,12,13,14,15]
})

df

           book  person  score
0       dracula       1     10
1  frankenstein       1     11
2       dracula       2     12
3  frankenstein       2     13
4       dracula       3     14
5       rebecca       3     15

我想得到的是一个数据框，显示每对书中有多少人阅读过它们，即期望的结果如下：

               dracula    frankensten   rebecca
dracula          3             2           1
frankenstein     2             2           0
rebecca          1             0           1

即。有两个人同时阅读了dracula和frankenstein，其中一个人同时阅读了dracula和rebecca等等。我不在乎分数

我觉得这与pivot / stack / unstack有关，但无法解决，有什么建议吗？

Answer 1

您可以构建一个数据透视表并将其与其转置相乘：

pvt = pd.pivot_table(df, index='book',  columns='person', aggfunc=len, fill_value=0)
pvt.dot(pvt.T)
Out: 
book          dracula  frankenstein  rebecca
book                                        
dracula             3             2        1
frankenstein        2             2        0
rebecca             1             0        1

Answer 2

crosstab的另一个解决方案：

df = pd.crosstab(df.book, df.person)
print (df.dot(df.T))
book          dracula  frankenstein  rebecca
book                                        
dracula             3             2        1
frankenstein        2             2        0
rebecca             1             0        1

使用groupby和unstack的解决方案：

df = df.groupby(['book','person'])['person'].size().unstack().fillna(0).astype(int)
print (df.dot(df.T))
book          dracula  frankenstein  rebecca
book                                        
dracula             3             2        1
frankenstein        2             2        0
rebecca             1             0        1

如何计算在pandas

2 个答案: