Question

我有两个数据框

df1＃-它具有用户ID和相应用户购买的产品。

Userid, Productid,    Ordered_Qty
user1           1         1
user1           2         1
user1           3         1
user2           4         1
user2           5         1
user2           3         1
user3           2         1
user3           4         1
user3           5         1

df2＃-该产品具有产品主版本

Productid, some_attribute
1             "xsff"
2             "xsff"                
3             "xsff"
4             "xsff" 
5             "xsff"

现在，我想创建一个如下所示的新数据框，

Row - Userid from df1
columns - Productid from df2

新数据框＃-[i，j]值对应于df1＃Ordered_Qty（任意数量）。基本上我想拥有df2-Productid中的所有值，但将值填充到新数据框中来自df1。如果df1没有userid（row）和product（col）组合的条目，那么我想将其保留为零

      1 2 3 4 5
user1 1 1 1 0 0
user2 0 0 1 1 1 
user3 0 1 0 1 1

要实现这一目标，我要做的是

new_dataframe = pd.dataframe(0,index=df1.Userid.unique(),columns=df2.Productid.unique())

for index,row in df1.iterrows():
    userid = row['Userid']
    productid = row['Productid']
    ord_qty =  row['Ordered_Qty']
    new_dataframe.loc[userid][productid] = ord_qty

但是，这种方法花费更多时间，最终导致内存错误。有更好的方法吗？

Answer 1

使用pivot或pivot_table或crosstab：

df3 = df.pivot(index='Userid', columns='Productid').fillna(0, downcast='infer')
df3.columns = df3.columns.get_level_values(1)

或者：

df3 = df.pivot_table(index='Userid', columns='Productid', fill_value=0)
df3.columns = df3.columns.get_level_values(1)

或者：

df3 = pd.crosstab(df['Userid'], df['Productid'])

然后：

df3 = df3.reindex(columns=df2.Productid.unique(), fill_value=0)

Answer 2

请使用交叉表：

pandas.crosstab(df['userid'], df['productid'])

结合两个不同的数据框列创建新的数据框

2 个答案: