Question

我正在尝试创建一个数据框，其中列与已售商品的ID相关，而行索引是购买这些商品的客户的ID。单元格应显示每个客户购买每件商品的数量。为了获得此信息，我阅读了CSV文件，其中包含客户进行的每笔交易的行。

文件被解析为frame_变量。我使用相应列上的unique()函数检索客户和商品ID，并使用它们创建一个新的数据框，并将这些ID作为列标题和行索引。

with open(f"{file_path}") as file:
    frame_ = pd.read_csv(file, sep="\t", header=None)
    
    customer_ids = list(frame_[customer_index].unique())
    item_ids = list(frame_[item_index].unique())
    
    frame = pd.DataFrame.from_dict(
        dict.fromkeys(item_ids, dict.fromkeys(customer_ids, 0)))

下一步，我要遍历frame_以检查每一行是否有3个值：

客户ID
商品ID
已售商品数量

应将金额添加到frame.at[customer_id, item_id]的当前值。

for index, row in frame_.iterrows():
    customer = row[customer_index]
    item = row[item_index]
    amount = abs(float(row[2]))

    frame.at[customer, item] += amount

由于我使用iterrows()，所以此部分特别慢。
我仔细研究了一些问题，但是因为我不太清楚自己要寻找的是什么，所以找不到如何更有效地执行任务的解决方案。

感谢您的时间和任何建议。

编辑：原始文件和frame_数据帧包含约250万行

编辑2：从frame_添加的摘录中，“ ...”包含与此部分无关的其他信息。列标题实际上是0-8，为便于阅读，添加了“ ID”，“金额”，“ itemID”和“ customerID”：

ID ... amount ... ... itemID ... customerID ...
1  ... -5.0    ... ... 1258   ... 805214     ...
2  ... -10.0   ... ... 3658   ... 798125     ...
3  ... -7.5    ... ... 2056   ... 589012     ...

编辑3：期望的输出看起来像这样：

       1258 3658 2056
805214 5.0  0    0
798125 0    10.0 0
589012 0    0    7.5

Answer 1

首先准备另一列金额的绝对值（尽管我不完全了解您需要的abs和float-您的金额已经不是正数和数字了吗？）：

import numpy as np
frame_["amount1"] = np.abs(frame_["amount"].astype(float))

然后按客户和商品索引进行汇总：

frame = frame_.groupby(["customerID", "itemID"])["amount1"].sum()

不需要显式迭代。您可以根据需要将结果转换为“宽”格式：

frame.unstack().fillna(0)
#itemID      1258  2056  3658
#customerID                  
#589012       0.0   7.5   0.0
#798125       0.0   0.0  10.0
#805214       5.0   0.0   0.0

在熊猫数据框行上进行高效迭代以计算新数据框的值

1 个答案: