在遍历列表时在数据框的一行中添加多个值

Posted 2023-03-12

【中文标题】在遍历列表时在数据框的一行中添加多个值

【英文标题】：Add multiple values in a row of a dataframe while iterate trough a list

【发布时间】：2020-09-05 16:14:47

【问题描述】：

我正在构建一个食物推荐系统，并且我有一个数据框：

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"]  

所以我要做的是创建一个函数，它添加一个新行“user_name”，在他/她不喜欢的那些成分中添加 10，在所有其他列中添加 0。输出应该是：

            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
...

我简化了数据框和列表以使其更全面，但实际上它们更长。

这是我到现在为止写的：

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

我“工作”，但只针对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！

【参考方案1】：

我不确定在单个 pandas DataFrame 中将用户与菜肴混合起来有多“健康”，但这样的功能应该可以完成工作：

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），列表理解的速度似乎更快：

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

【参考方案2】：

我不确定这种方法的效率如何，但这应该可行

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

【参考方案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

【参考方案4】：

您可以使用Series.isin 来检查数据框的哪些列值存在于dislike 列表中，然后您可以使用DataFrame.append 将新创建的系列s 附加到原始数据框df。

用途：

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)

生成的数据框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