Question

我有一个关键数据框，其中包含许多旅行者前往世界各地的信息。我的枢纽df看起来像这样：

     Name           Anna         Robert        James
Date               
2018-10-01        Bulgaria       Spain         Croatia
2018-10-02        Portugal       NaN           Portugal  
2018-10-03        Spain          USA           Spain
2018-10-04        USA            USA           Spain
2018-10-05        USA            Canada        USA

有100列（100位旅行者）和300天。

基于此类数据，我如何探索最受欢迎的路线？乍看之下，他们都是从西班牙来到美国的。罗伯特还从西班牙飞往美国，只是他的飞行持续了2天。出席的三名旅客中有两名是从葡萄牙来到西班牙的，所以这也是一条受欢迎的路线。

有什么方法可以使用ML算法显示热门路线？我将不胜感激任何提示。

编辑：我们可以假设该路线有2个节点，因此根据此df，西班牙-美国是一条受欢迎的路线

Answer 1

您可以做的最简单的事情是，通过将每个用户列及其移位后的自身压缩在一起，创建起点-目的地元组，然后将其传递给Counter对象。

import pandas as pd
from collections import Counter

df.fillna(method='ffill', inplace=True)

# Create a counter object and pass it the origin-destination tuples
counter = Counter()
for col in df.columns:
    routes = list(zip(df[col].shift(1, fill_value=df[col][0]), df[col]))
    routes = [(k, v) for k, v in routes if k != v]
    counter.update(routes)
counter.most_common(3)

输出：

counter.most_common(3)
Out[76]: 
[(('Spain', 'USA'), 3),
 (('Portugal', 'Spain'), 2),
 (('Bulgaria', 'Portugal'), 1)]

分析数据框中类别变量的变化

1 个答案: