Question

我有以下数据框。

>>> df = pd.DataFrame({'selected': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'D'], 'presented': ['A|B|D', 'B|D|A', 'A|B|C', 'D|C|B|A','A|C|D|B', 'D|B|C','D|C|B|A','D|B|C']})
>>> df

这是一个很大的数据集，具有50万行（为了使示例简单，取出了日期列）

  selected presented
0        A     A|B|D
1        B     B|D|A
2        C     A|B|C
3        A   D|C|B|A
4        B   A|C|D|B
5        C     D|B|C
6        A   D|C|B|A
7        D     D|B|C

目标是为所选列中的每个项目计算selected/presented比率。示例A被展示了8次，但在向用户展示的6次中仅被选择8次。

我想创建以下结果data.frame：

item, selected, presented, ratio
A, 3, 6, 0.5
B, 2, 8, 0.25

我从关注开始，但是无法弄清楚分组，因为如果我仅按selected进行分组并开始计数，那么它只能捕获显示时间。

>>> df['ratio'] = df.apply(lambda x:1 if x.selected in x.presented.split('|') else 0, axis=1)
>>> df
  selected presented  ratio
0        A     A|B|D      1
1        B     B|D|A      1
2        C     A|B|C      1
3        A   D|C|B|A      1
4        B   A|C|D|B      1
5        C     D|B|C      1
6        A   D|C|B|A      1
7        D     D|B|C      1

Answer 1

您可以使用get_dummies + value_counts，然后concat结果

s1=df.presented.str.get_dummies('|').sum().to_frame('presented')
s2=df.selected.value_counts()
yourdf=pd.concat([s1,s2],1,sort=True)
yourdf['ratio']=yourdf['selected']/yourdf['presented']

yourdf
Out[488]: 
   presented  selected     ratio
A          6         3  0.500000
B          8         2  0.250000
C          6         2  0.333333
D          7         1  0.142857

Answer 2

这种单线如何？

df['presented'].str.split('|', expand=True).stack().value_counts(sort=False).to_frame('presented')\
               .assign(selected = df['selected'].value_counts())\
               .eval('ratio = selected / presented')

输出：

   presented  selected     ratio
A          6         3  0.500000
C          6         2  0.333333
B          8         2  0.250000
D          7         1  0.142857

熊猫：对于df中的每一行，计算该值在另一列中的存在次数

2 个答案: