Question

我正在建立食品推荐系统，并且有一个数据框：

df:
            meat vegetables cheese ketchup egg...
hamburger     3      5        2       2     1   
    pasta     0      0        4       0     1    
     soup     0      2        0       0     0     
      ...

我还有一个列表，其中包含用户不喜欢的成分：

dislike:["cheese", "egg"]

所以我想做的是创建一个函数，该函数添加一个新行“ user_name”，在他/她不喜欢的成分中添加10，在其他所有列中添加0。输出应为：

            meat vegetables cheese ketchup egg...
hamburger     3      5        2       2     1   
    pasta     0      0        4       0     1    
     soup     0      2        0       0     0     
 new_user     0      0       10       0    10
...

我简化了数据框和列表以使其更全面，但实际上它们要更长一些。

这是我到目前为止所写的内容：

def user_pre(df):
    dislike=["cheese","egg"]
    for ing in dislike:
            df.loc["new_user"]= pd.Series({ing:10})
    return df

我“有效”，但仅适用于不喜欢列表中的最后一个元素。此外，它不会在其他单元格中添加0，而是添加Nan。

非常感谢您！

Answer 1

我不确定在单个熊猫DataFrame中将用户和菜品混合在一起有多“健康”，但是像这样的功能应该可以起作用：

def insert_user_dislikes(user_name='new_user', df=df, ingredients=['meat', 'egg']):
    df.loc[user_name] = [10 if col in ingredients else 0 for col in df.columns]

insert_user_dislikes('new_user', df, ['meat', 'egg'])

编辑1：我也喜欢@Fred的解决方案：

def insert_user_dislikes2(user_name='new_user', df=df, ingredients=['meat', 'egg']):
    df.loc[user_name] = 0
    df.loc[user_name, ingredients] = 10
insert_user_dislikes('user_name', df, ['meat', 'egg'])

编辑2：这是Shubham的绩效评估解决方案：

def insert_user_dislikes3(user_name='new_user', df=df, ingredients=['meat', 'egg']):
    s = pd.Series(
        np.where(df.columns.isin(ingredients), 10, 0), 
        name=user_name, index=df.columns, dtype='int')
    return df.append(s)

就性能而言（在非常小的数据集上），列表理解似乎更快一些：

df = pd.DataFrame([[3, 5, 2, 2, 1],
   [0, 0, 4, 0, 1]],
   columns=['meat', 'vegetables', 'cheese','ketchup', 'egg'],
   index=['hamburger', 'pasta'])

print(timeit.timeit(insert_user_dislikes, number=1000))
0.125

print(timeit.timeit(insert_user_dislikes2, number=1000))
0.547

print(timeit.timeit(insert_user_dislikes3, number=1000))
2.153

Answer 2

我不确定这种方法的效率如何，但这应该可以实现

dislikes = ["cheese","egg"]
new_user = "Tom"
df.loc[new_user] = 0
for dislike in dislikes:
    if dislike not in df.columns:
        df[dislike] = 0
    df.loc[new_user, dislike] = 10

Answer 3

将new_user行=设置为零，然后过滤并等于10。

print(df)
          meat  vegetables  cheese  ketchup  egg
hamburger     3           5       2        2    1
pasta         0           0       4        0    1
soup          0           2       0        0    0

将new_user创建为零。

df.loc["new_user", :] = 0
print(df)
          meat  vegetables  cheese  ketchup  egg
hamburger   3.0         5.0     2.0      2.0  1.0
pasta       0.0         0.0     4.0      0.0  1.0
soup        0.0         2.0     0.0      0.0  0.0
new_user    0.0         0.0     0.0      0.0  0.0

然后再次过滤，并设置为10。

dislike = ["cheese", "egg"]

df.loc["new_user", dislike] = 10
print(df)
           meat  vegetables  cheese  ketchup   egg
hamburger   3.0         5.0     2.0      2.0   1.0
pasta       0.0         0.0     4.0      0.0   1.0
soup        0.0         2.0     0.0      0.0   0.0
new_user    0.0         0.0    10.0      0.0  10.0

Answer 4

您可以使用Series.isin来检查数据帧的哪些列值出现在dislike列表中，然后可以使用DataFrame.append将新创建的系列s附加到原始数据帧df。

使用：

import numpy as np

s = pd.Series(
    np.where(df.columns.isin(dislike), 10, 0), 
    name='new_user', index=df.columns, dtype='int') # create a new pandas series

df = df.append(s)

结果数据框df将是：

           meat  vegetables  cheese  ketchup  egg                                            
hamburger     3           5       2        2    1
pasta         0           0       4        0    1
soup          0           2       0        0    0
new_user      0           0      10        0   10

遍历列表时在数据框的一行中添加多个值

4 个答案: