我已经编写了一个示例，因为我的数据集的上下文和详细信息可能太多/没有必要解释来提出我的问题。虽然我的例子可能很愚蠢，但只要知道这个例子确实说明了我希望实现的目标（尽管规模要大得多），并且对于给定的问题非常重要。在这个例子中，假设我们有不同的用户（用字母表示）。每个用户共享多个帖子，不同的用户经常共享同一个帖子。然后我们得出一个重要性分数（0或1表示是否重要）和可靠性分数（从1-10开始）。尽管为了这个问题如何计算这些度量是完全无关紧要的，但想象重要性可能分析内容和上下文/当前事件，并且可靠性考虑了此源/用户的先前性能。目前尚不清楚重要性和可靠性之间是否存在关联
User Share Importance Reliability
A Carrots are 0 3
good for eyesight
B Apple Cider Vinegar 1 4
is good for pain
C Garlic is good for breadth 0 7
A Garlic is good for breadth 1 6
B Carrots are good for eyesight 1 9
这些数字可能没有意义 - 道歉无论如何，我想为每个考虑可靠性和重要性的文本做一些加权和。为此，我想找到每个唯一的文本（由共享列指示），并为共享该文本的所有用户的重要性和可靠性分数的乘积求和。因此，我得到类似的东西：
A 6
B 13
C 0
我想了解如何解决这个问题的示例代码和建议！提前谢谢。
答案 0 :(得分：4)
groupby按列Series的优点是不需要临时列。
df = pd.DataFrame({'User':['A','B','C','A','B'],
'Importance':[0,1,0,1,1],
'Reliability':[3,4,7,6,9]})
print (df)
Importance Reliability User
0 0 3 A
1 1 4 B
2 0 7 C
3 1 6 A
4 1 9 B
df1 = df.Importance.mul(df.Reliability).groupby(df['User']).sum().reset_index(name='col')
print (df1)
User col
0 A 6
1 B 13
2 C 0
答案 1 :(得分：2)
这只是来自
PROJECT
-------
KILL
Project Overkill ...只是因为你没有得到它 请不要接受这个答案！这只是我玩得开心。是的，我相信这对许多其他人都有用。不，我不认为这是必要的。 @ jezrael的答案就是你想要的。
使用numba在一个非常简单的问题上干扰优化
from numba import njit
import pandas as pd
import numpy as np
u = df.User.values
i = df.Importance.values
r = df.Reliability.values
f, q = pd.factorize(u)
@njit
def wghtd_sum(i, r, f):
o = np.zeros(f.max() + 1, dtype=np.int64)
for j in range(r.size):
o[f[j]] += r[j] * i[j]
return o
pd.DataFrame(dict(User=q, col=wghtd_sum(i, r, f)))
<强>时序
微小数据
%%timeit
u = df.User.values
i = df.Importance.values
r = df.Reliability.values
f, q = pd.factorize(u)
pd.DataFrame(dict(User=q, col=wghtd_sum(i, r, f)))
1000 loops, best of 3: 446 µs per loop
%timeit df.groupby('User').apply(lambda g: (g.Importance*g.Reliability).sum()).reset_index(name='col')
100 loops, best of 3: 2.51 ms per loop
%timeit df.Importance.mul(df.Reliability).groupby(df['User']).sum().reset_index(name='col')
1000 loops, best of 3: 1.19 ms per loop
大数据
from string import ascii_uppercase
np.random.seed([3,1415])
df = pd.DataFrame(dict(
User=np.random.choice(list(ascii_uppercase), 100000),
Importance=np.random.randint(2, size=100000),
Reliability=np.random.randint(10, size=100000)
))
%%timeit
u = df.User.values
i = df.Importance.values
r = df.Reliability.values
f, q = pd.factorize(u)
pd.DataFrame(dict(User=q, col=wghtd_sum(i, r, f)))
100 loops, best of 3: 2.45 ms per loop
%timeit df.groupby('User').apply(lambda g: (g.Importance*g.Reliability).sum()).reset_index(name='col')
100 loops, best of 3: 14.1 ms per loop
%timeit df.Importance.mul(df.Reliability).groupby(df['User']).sum().reset_index(name='col')
100 loops, best of 3: 4.45 ms per loop
答案 2 :(得分：1)
只是做：
df.groupby('User').apply(lambda g: (g.Importance*g.Reliability).sum())
或者您可以预先创建产品列，并将其总结：
df['Score'] = df.Importance * df.Reliability
df.groupby('User').Score.sum()
（这些都假设单个用户不会多次共享同一篇文章。）
答案 3 :(得分：1)
就问题的措辞而言，我认为您希望对每个唯一帖子和每个唯一用户Importance和Reliability的产品求和
此处的示例数据框类似于您的< - p>
df = pd.DataFrame({'User':['A','B','C','A','B'],'Share':['Random Post 1','Random post 2','Random Post 3','Random Post 3','Random Post 1'], 'Importance':[0,1,0,1,1],'Reliability':[3,4,7,6,9]})
=>
Importance Reliability Share User
0 0 3 Random Post 1 A
1 1 4 Random post 2 B
2 0 7 Random Post 3 C
3 1 6 Random Post 3 A
4 1 9 Random post 1 B
首先获得一个新列Product -
df['Product'] = df.Importance.mul(df.Reliability)
=>
Importance Reliability Share User Product
0 0 3 Random Post 1 A 0
1 1 4 Random post 2 B 4
2 0 7 Random Post 3 C 0
3 1 6 Random Post 3 A 6
4 1 9 Random post 1 B 9
现在，只需按Share和User进行分组，然后将Product加总即可获得所需的结果 -
df.groupby(['Share','User'])['Product'].sum().reset_index(name='Score')
=>
Share User
Random Post 1 A 0
B 9
Random Post 3 A 6
C 0
Random post 2 B 4