Question

我在Python Pandas中使用Movie Lens Dataset。我需要在foll中打印u.data一个制表符分隔文件的矩阵。方式

NULL    MovieID1 MovieID2 MovieID3
UserID1 Rating   Rating   Rating
UserID2 Rating   Rating   Rating

我已经通过以下链接

了

One - 数据集非常庞大，将其串联起来
Two - 未提及的行转置
Three - 尝试使用reindex 在一列中获取NaN值
Four - df.iloc和df.ix

我需要输出，因为它显示了电影w.r.t的评级和NaN（未评级时）。用户。

    NULL    MovieID1 MovieID2 MovieID3
    UserID1 Rating   Rating   NaN
    UserID2 Rating   NaN      Rating

P.S。我不介意使用numpy，crab，recsys，csv或任何其他python包解决方案

编辑1 - 对数据进行排序并导出，但得到了一个额外的字段

df2 = df.sort_values(['UserID','MovieID'])
print type(df2)
df2.to_csv("sorted.csv")
print df2

该文件生成foll。 sorted.csv 文件

,UserID,MovieID,Rating,TimeStamp
32236,1,1,5,874965758
23171,1,2,3,876893171
83307,1,3,4,878542960
62631,1,4,3,876893119
47638,1,5,3,889751712
5533,1,6,5,887431973
70539,1,7,4,875071561
31650,1,8,1,875072484
20175,1,9,5,878543541
13542,1,10,3,875693118

编辑2 - 正如评论中所述

这里是u.data文件中用作输入的数据格式

196 242 3   881250949
186 302 3   891717742
22  377 1   878887116
244 51  2   880606923
166 346 1   886397596
298 474 4   884182806
115 265 2   881171488
253 465 5   891628467
305 451 3   886324817

Answer 1

一种方法：

使用pivot_table，如果每个用户和电影ID一个值，那么aggfunc并不重要，但如果有多个值，则选择您的聚合。

df.pivot_table(values='Rating',index='UserID',columns='MovieID', aggfunc='mean')

第二种方法（没有重复的用户ID，movieid记录）：

df.set_index(['UserID','MovieID'])['Rating'].unstack()

第三种方法（没有重复的用户ID，movieid记录）：

df.pivot(index='UserID',columns='MovieID',values='Rating')

第四种方法（就像你可以选择聚合方法的第一种方法）：

df.groupby(['UserID','MovieID'])['Rating'].mean().unstack()

输出：

MovieID  1   2   3   4   5   6   7   8   9   10
UserID                                         
1         5   3   4   3   3   5   4   1   5   3

使用带有单列转置的Pandas将数据集的矩阵打印到表中

1 个答案: