如何在 2 个数据框中映射和计算项目的出现次数

Posted 2023-03-23

【中文标题】如何在 2 个数据框中映射和计算项目的出现次数

【英文标题】：how to map and counts items occurrence in 2 Dataframes

【发布时间】：2021-05-10 08:38:59

【问题描述】：

我是数据科学的新手，我还在学习，如果我对我的问题的解释不正确，请见谅。

我有 2 个数据框，第一个数据框（项目）显示一些杂货产品名称，它是项目编号，而第二个数据框（交易）显示包含已购买项目的交易编号。

第一个数据帧（项目）=

Item	ProductName
100	Cheese
201	Milk
302	egg

第二个数据帧（交易）

Transaction
201 100 302
100 302
201 302

我设法拆分交易列并用这段代码分隔它

Transaction=transactions.str.split(' ', expand=True)], axis=1) DataFrame 变得像

0	1	2
201	100	302
100	302	None
201	302	None

现在我正在努力研究如何同时映射数据帧和一个热函数或 Get_dummies，并计算在 DataFrame(Transaction) 中购买/发生了多少来自 DataFrame (items) 的项目。

我想这样做的原因是因为我试图这样做是为了应用 Apriori 函数来查找购物篮分析的关联规则。

提示。有数据帧被简化，实际数据帧是10,000长度。

非常感谢您的帮助

【参考方案1】：

准备好从多列项目更改为单列reshape()，然后使用value_counts() 获取交易中的项目计数就很简单了。显然，这也可以加入/合并到产品数据框。

dfp = pd.DataFrame('Item': 0: 100, 1: 201, 2: 302,
 'ProductName': 0: 'Cheese', 1: 'Milk', 2: 'egg')
dftrans = pd.DataFrame('Transaction': 0: '201 100 302', 1: '100 302', 2: '201 302')


dftrans = dftrans.Transaction.str.split(" ", expand=True)
pd.DataFrame(dftrans.values.reshape(len(dftrans)*len(dftrans.columns),1), columns=["Item"]).value_counts().to_frame().reset_index()

	Item	0
0	302	3
1	100	2
2	201	2

【参考方案2】：

>>> pd.merge(df1, df2.squeeze().str.split() \
                     .explode().astype(int) \
                     .rename("Item"),
             on="Item").value_counts().rename("Count").reset_index()

   Item ProductName  Count
0   302         egg      3
1   201        Milk      2
2   100      Cheese      2

【参考方案3】：

如果您需要一个热编码，您可能需要先融化 trans 数据帧：

dftransnew = pd.melt(dftrans.reset_index(),value_name='Item',id_vars='index').drop(columns='variable')
dftransnew = dftransnew[pd.notnull(dftransnew.Item)] # removing nulls

和 get_dummies 并按交易分组以获取编码的篮子：

dfbasket=pd.get_dummies(dftransnew, prefix="", prefix_sep="" ).groupby('index').sum()
dfbasket

输出：

    100     201     302
index           
0   1       1       1
1   1       0       1
2   0       1       1