在熊猫中获取按组分布的df
提问于 2020-07-14 15:02:02
我有一个带有Reddit数据的dataframe，包括一个作者和一个subreddit字段。我想要得到每个作者的分布，他/她在每个子subreddit中发布的频率，可以与其他作者的分布进行比较。
sub_visits = df.groupby('author').subreddit.value_counts()/df.groupby('author').subreddit.count()这一行给出了一个多索引的pandas数据帧，其中作者是第一个索引。然后是作者活跃的所有子subreddit，作为第二个索引，最后为他们在该子subreddit中的帖子部分赋值。
这很好，但我希望每个作者的分布长度相等。
为此，我将来自整个df的所有子rows (而不仅仅是作者访问的那些)包含在一个数据帧中，其中作者作为行。然后我用零填充它，然后用sub_visits中的值填充。
从技术上讲，这个for循环适用于此。
pdf = pd.DataFrame(index = df.author.unique(),columns = all_subs)
pdf = pdf.fillna(0)
for idx, df_select in sub_visits.groupby(level=[0, 1]):
pdf.loc[idx[0],idx[1]] = df_select[0]然而，对于仅仅填充值来说，它是相当慢的。我想知道是否有更好的方法来做这件事？或者创建分布，或者填充值。
非常感谢
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-07-15 11:40:31
在挣扎了相当长的一段时间后，我偶然找到了答案。它实际上相当简单，但我发现它并不容易找到，所以我希望这个问题可以帮助其他人解决同样的问题。这样一个分布矩阵(这里是在‘作者’中的'subreddit‘)在pandas中的一个组内的矩阵可以通过以下命令快速获得：
sub_visits = df.groupby('author').subreddit.value_counts()/df.groupby('author').subreddit.count()
sub_visits = sub_visits.unstack(-1)
sub_visits = sub_visits.fillna(0)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/62898126
复制相关文章
点击加载更多
腾讯云开发者
