Question

我有一个看起来像的熊猫数据框df

userid  trip_id segmentid   actual  prediction
  1       13       40          3       3
  1       6        2           1       1
  1       44       3           2       3
  2       70       19          1       1
  2       12       5           0       0

我需要创建一个按列userid分组的摘要数据框dfsummary ，其中包含3列userid，correct_classified，unsert_classified。如果实际值和预测值相同，则将其正确分类，否则将分类错误。

我可以将对整个数据框的正确分类视为

correct_classified = submission[(submission['Actual'] == submission['prediction'])]
incorrect_classified = submission[(submission['Actual'] != submission['prediction'])]

但不知道如何创建按用户ID分组的摘要表，该表应该像这样

userid  correct_classified  incorrect_classified
  1             2                    1
  2             2                    0

Answer 1

您可以在创建条件数组后使用pd.crosstab：

flags = np.where(df['actual'].eq(df['prediction']), 'correct', 'incorrect')

res = pd.crosstab(df['userid'], flags)

print(res)

col_0   correct  incorrect
userid                    
1             2          1
2             2          0

Answer 2

您也可以使用pivot table即

m = df['actual']==df['prediction']

# assign the conditions to new columns and aggregate.  
df.assign(correct_classified=m,incorrect_classified=~m).pivot_table(index='userid',
                                                                    aggfunc='sum',
                                                                    values=['correct_classified',
                                                                            'incorrect_classified'])

输出：

     correct_classified  incorrect_classified
userid                                          
1                      2.0                   1.0
2                      2.0                   0.0

根据条件在groupby数据框上创建汇总表

2 个答案: