Pandas的项目组合与频率计数

9o685dep 于 2023-01-24 发布在其他

关注(0)|答案(1)|浏览(125)

我有这样的数据集：
| 订单代码|项目ID|项目名称|总价|
| - ------|- ------|- ------|- ------|
| 一百二十三|识别码1|名称1|三四五|
| 三二一|身份2|名称2|六百七十八|
和函数计算哪些项目一起销售。哪些是最受欢迎或更昂贵的
输出：
| 项目ID|一起出售|
| - ------|- ------|
| 识别码1|[同上33、同上23、同上12]|
| 身份2|[编号56、编号663]|
我使用此功能：

def freq(df):
    
    hit_list = [list of ID's]
    
    result = pd.DataFrame(columns = ['ITEM_ID', 'sold together'])
    
    unic_arc  = df['ITEM_ID'].unique()
    unic_num = df['ORDER_CODE'].unique()
    data_arc ={}
    data_num={}
    for i in unic_arc:
        data_arc[i] = {}
        
    tturns = response_ur[['ITEM_ID', 'TOTALPRICE']].groupby(by = 'ITEM_ID', as_index = False).sum()
    tturns = tturns.rename(columns = {'ITEM_ID' : 'inum', 'TOTALPRICE' : 'turn'})
    
    for i in tqdm(unic_arc):
        b = df[df['ITEM_ID'] == i]['ORDER_CODE'].values
        for t in b:
            a = df[df['ORDER_CODE'] == t]['ID'].values
            if i in a:
                for arc in a:
                    if int(arc) not in hit_list: 
                        if arc != i:
                            if arc in data_arc[i]:
                                data_arc[i][arc]+=1
                            else:
                                data_arc[i][arc] = 1
                            
        dd = data_arc[i]
                
        tmp = pd.DataFrame(columns = ['inum', 'freq'])
        tmp['inum'] = data_arc[i].keys()
        tmp['freq'] = data_arc[i].values()
        
        tmp['inum'] = tmp['inum'].astype(str)
        tturns['inum'] = tturns['inum'].astype(str)
            
        tmp = pd.merge(tmp, tturns, on = 'inum', how = 'inner')

        tmp = tmp.sort_values(by = ['freq', 'turn'], ascending = False)
        
        if len(tmp['inum'].values) > 14:
            inums = str(tmp['inum'].values[0:15]).replace("\n", "").replace(' ', ',').replace('\'', '')
        else:
            inums = str(tmp['inum'].values).replace("\n", "").replace(' ', ',').replace('\'', '')
            
        result = res.append({'inum' : i, 'recs' : inums}, ignore_index = True)
                            
    return(result)

我尝试在任何迭代中为Func中的addint ITEM_NAME添加merge 1，但时间太长。我的数据集大约有10kk行
我需要添加到我的输出一列的'ITEM_NAME'的'一起出售'列表项目。和计算它快吗？
UPD：这是我们需要的：
| 项目标识|项目列表|姓名列表|总和|
| - ------|- ------|- ------|- ------|
| 编号_01|[身份，身份，身份，身份]|[姓名，姓名......]|努姆|
其中list_of items-"最常用"项目列表，这些项目是使用"item_id"购买的

pandas

来源：https://stackoverflow.com/questions/75187399/items-combination-and-frequency-count-in-pandas

1条答案

按热度按时间

6jygbczu1#

这可能会做到这一点：

import pandas as pd

df = pd.DataFrame( {
                    'ORDER_CODE':['123','321','123','123','321','555'], 
                    'ITEM_ID':[1,2,5,5,4,6],
                    'ITEM_NAME':['name1','name2','name3','name4','name5','name6'],
                    'TOTALPRICE':[10,20,50,50,40,60]}
                  )

result = df.groupby("ORDER_CODE").agg({"ITEM_ID":list, "ITEM_NAME":list, "TOTALPRICE":"sum"})

Further good answer how to create a list in a group by aggregation:

赞(0）回复(0）举报 2023-01-24

我来回答

Pandas的项目组合与频率计数

1条答案

相关问题

热门标签

最新问答