我在python中有以下列表 movie_list = [11, 21, 31, 41, 51, 62, 55]和以下電影數(shù)據(jù)框 userId movieId 1 11 1 21 1 31 2 62 2 55現(xiàn)在我想做的是生成類似的數(shù)據(jù)幀，其中movieId不在數(shù)據(jù)幀中，但在movie_list中我想要的數(shù)據(jù)框是 userId movieId 1 41 1 51 1 62 1 55 2 11 2 21 2 31 2 41 2 51 我該怎么做pandas？
4 回答
侃侃爾雅
TA貢獻1801條經(jīng)驗 獲得超16個贊
IIUC，我們可以agg用做list，然后找出 df 中的原始值與movie_list
s=df.groupby('userId').movieId.agg(list).\
map(lambda x : list(set(movie_list)-set(x))).explode().reset_index()
userId movieId
0 1 41
1 1 51
2 1 62
3 1 55
4 2 41
5 2 11
6 2 51
7 2 21
8 2 31
精慕HU
TA貢獻1845條經(jīng)驗 獲得超8個贊
prod = pd.MultiIndex.from_product([df.userId.unique().tolist(), movie_list]).tolist()
(
pd.DataFrame(set(prod).difference([tuple(e) for e in df.values]),
columns=['userId', 'movieId'])
.sort_values(by=['userId', 'movieId'])
)
userId movieId
7 1 41
6 1 51
2 1 55
8 1 62
5 2 11
4 2 21
3 2 31
1 2 41
0 2 51
HUH函數(shù)
TA貢獻1836條經(jīng)驗 獲得超4個贊
一種方法是用于itertools.product創(chuàng)建userId& movieId、 thenconcat和的所有組合drop_duplicates：
from itertools import product
movie_list = [11, 21, 31, 41, 51, 62, 55]
df_all = pd.DataFrame(product(df['userId'].unique(), movie_list), columns=df.columns)
df2 = pd.concat([df, df_all]).drop_duplicates(keep=False)
print(df2)
[出去]
userId movieId
3 1 41
4 1 51
5 1 62
6 1 55
7 2 11
8 2 21
9 2 31
10 2 41
11 2 51
千萬里不及你
TA貢獻1784條經(jīng)驗 獲得超9個贊
我認為你需要：
df = df.groupby("userId")["movieId"].apply(list).reset_index()
df["movieId"] = df["movieId"].apply(lambda x: list(set(movie_list)-set(x)))
df = df.explode("movieId")
print(df)
輸出：
userId movieId
0 1 41
0 1 51
0 1 62
0 1 55
1 2 41
1 2 11
1 2 51
1 2 21
1 2 31
添加回答
舉報
0/150
提交
取消