计算python中一个值相对于另一个值的重新出现次数
Posted
技术标签:
【中文标题】计算python中一个值相对于另一个值的重新出现次数【英文标题】：Count re-occurrence of a value in python aggregated with respect to another value 【发布时间】：2019-02-04 14:43:15 【问题描述】：这个问题是我问here的这个问题的延续：
现在我有这样的数据：
Sno User Cookie
1 1 A
2 1 A
3 1 A
4 1 B
5 1 C
6 1 D
7 1 A
8 1 B
9 1 D
10 1 E
11 1 D
12 1 A
13 2 F
14 2 G
15 2 F
16 2 G
17 2 H
18 2 H
假设我们有 5 个用于用户 1“A、B、C、D、E”的 cookie。现在我想计算在遇到新 cookie 后是否再次出现任何 cookie。例如，在上面的示例中，cookie A 再次出现在第 7 位，然后也在第 12 位。注意我们不会同时计算 A 在第 2 位，但在第 7 位和第 12 位我们在再次看到 A 之前已经看到了许多新的 cookie，因此我们计算了那个实例。如果我运行previous post 中提到的代码，这就是我将得到的结果：
对于用户 1
Sno Cookie Count
1 A 2
2 B 1
3 C 0
4 D 2
5 E 0
对于用户 2
Sno Cookie Count
6 F 1
7 G 1
8 H 0
现在是棘手的部分，现在我们通过计数知道，对于用户 1，三个 cookie“A、B 和 D”再次出现。类似地，对于用户 2，“F 和 G”再次出现。我想像这样聚合这些结果：
Sno User Reoccurred_Instances
1 1 3
2 2 2
有没有更简单的方法而不使用循环来获得这个结果。
【问题讨论】：
【参考方案1】：按照我在回答您上一个问题时采取的相同第一步，删除连续的 Cookie 值并找到重复项：
no_doubles = df[df.Cookie != df.Cookie.shift()]
no_doubles['dups'] = no_doubles.Cookie.duplicated()
然后使用 groupby 对确实重复的数据子集（no_doubles[no_doubles['dups']]）按User 分组，并使用nunique 查找每个用户的唯一Cookies 数量：
no_doubles[no_doubles['dups']].groupby('User')['Cookie'].nunique().reset_index()
这会返回：
User Cookie
0 1 3
1 2 2
您可以根据需要重命名列
[编辑]：
要处理不同的情况，您只需添加此逻辑即可。例如，考虑以下在 User 编号 3 中没有重复的数据框：
Sno User Cookie
1 1 A
2 1 A
3 1 A
4 1 B
5 1 C
6 1 D
7 1 A
8 1 B
9 1 D
10 1 E
11 1 D
12 1 A
13 2 F
14 2 G
15 2 F
16 2 G
17 2 H
18 2 H
18 3 H
18 3 I
18 3 J
你可以这样做：
no_doubles = df[(df.Cookie != df.Cookie.shift()) | (df.User != df.User.shift())]
no_doubles['dups'] = no_doubles.duplicated(['Cookie', 'User'])
no_doubles.groupby('User').apply(lambda x: x[x.dups]['Cookie'].nunique()).to_frame('Reoccurred_Instances')
获取：
Reoccurred_Instances
User
1 3
2 2
3 0
【讨论】：
一如既往！完美的逻辑。 @sacul，所以我使用 python 已经 2 年了，但是这样的逻辑水平对我来说有点难以应用。你能告诉我如何改进它吗？ 我想补充一点，上面查询的结果会丢失那些没有再次出现Cookie的用户。我该如何解决？ 我认为，当您试图一步一步地想出解决方案时，这类问题会变得难以应付……如果您将其分解为多个步骤，事情往往会更易于管理。那，看看所有pandas 函数，几乎总是有一个解决方案使用pandas 开发人员已经编写和矢量化的函数
查看您不再出现的情况的更新（它也处理其他几个边缘情况）
嘿，我遇到了一些错误。使用这个公式，例如用户没有 Reoccurred_Instances 但有 2 个 cookie 的情况也被计为 2，因为我们正在对 cookie 进行 groupby。例如，对于一个用户，没有重复出现的 cookie，但是有 2 个不同的 cookie（如果是 USER 3），我得到的值为 2，我想得到值 0，因为虽然它有 2 个不同的但没有再次出现那些。有可能吗？【参考方案2】：
对此的另一种方法，我认为应该非常灵活：
dups = df.loc[:, ['User', 'Cookie']].duplicated()
diffs = df.Cookie != df.Cookie.shift()
flags = np.logical_and(dups, diffs)
df['flag'] = flags
result_1 = df.groupby(['User', 'Cookie'])['flag'].agg([('Count', sum)])
result_2 = result_1.groupby('User')['Count'].agg([('Reoccurred_Instances', lambda x: (x > 0).sum())])
它将根据User 和Cookie 获取重复项，然后将Cookie 值与它们的邻居进行比较。最后，附加一列True/False 对应于上述两个标志。使用该列创建您提到的两个汇总表（result_1 和 result_2，如下所示）。
Count
User Cookie
1 A 2.0
B 1.0
C 0.0
D 2.0
E 0.0
2 F 1.0
G 1.0
H 0.0
Reoccurred_Instances
User
1 3.0
2 2.0
编辑：正如下面评论中提到的，我们假设第三个用户的 Cookie 值为 H、H、H、J、J、J。像这样：
Sno User Cookie
0 1 1 A
1 2 1 A
2 3 1 A
3 4 1 B
4 5 1 C
5 6 1 D
6 7 1 A
7 8 1 B
8 9 1 D
9 10 1 E
10 11 1 D
11 12 1 A
12 13 2 F
13 14 2 G
14 15 2 F
15 16 2 G
16 17 2 H
17 18 2 H
18 19 3 H
19 20 3 H
20 21 3 H
21 22 3 J
22 23 3 J
23 24 3 J
通过上面的代码运行，我们得到以下结果数据帧：
Count
User Cookie
1 A 2.0
B 1.0
C 0.0
D 2.0
E 0.0
2 F 1.0
G 1.0
H 0.0
3 H 0.0
J 0.0
还有：
Reoccurred_Instances
User
1 3.0
2 2.0
3 0.0
代码的设置方式仍然会显示第三个用户（没有任何重复的Cookie 值），Reoccurred_Instances 值为 0。
【讨论】：
嘿，你的回答很好，但我面临一个问题。假设有一个用户 C 有以下 cookie：“H,H,H,J,J,J,J”，因为没有重新出现，如果我们应用移位功能，它会给我们留下“H, J”，如果再次发生，应该将其计为 0 时将其计为 2。是否可以在代码中容纳这一点？ 不确定这是不是这个问题；见我上面的编辑。 工作了，谢谢。我还有一个问题：***.com/questions/52170493/…以上是关于计算python中一个值相对于另一个值的重新出现次数的主要内容，如果未能解决你的问题，请参考以下文章