Python 如何将值列表映射到分类向量

我正在尝试根据持续时间对视频数据集进行聚类。我有一个字典，其中键是用户ID，值是浮动列表（视频持续时间），用户创建的每个视频1个浮动

例如：

videos_per_user = {
    63: [15.011667, 21.823333, 29.981667, 10.341667, 14.928333, 16.555, 29.976667], 
    64: [5.463333, 14.345, 5.571667, 18.848333]
}

重要提示：这些列表的长度不同

我想做的是将这个dict转换成一个基于参考向量（bins）的pandas数据帧，这样我就可以为每个用户提供一个向量，其中包含每个类别的视频数量

我创建了分类向量，如下所示：

bin=pd.系列（np.arange（开始=0，停止=35，步骤=5））

我曾尝试使用

pd.cut（每个用户的视频，bins=bins，right=True）

，但在尝试获取类似以下内容时，我获得了每个持续时间的相应类别：

[0,0,2,2,3,0]

有什么想法吗？我在网上没有发现类似的情况，但可能是因为我真的不知道如何正确地表述我的问题

---

最后，我想为我的dict中的每个用户创建一个长度为6（6个类别）的向量，以及相应持续时间的视频数量。

我认为您要做的第一件事是克服dict的大小差异。我能想到的唯一方法是使用dict理解：

df = pd.DataFrame([(k,a) for k,v in videos_per_user.items() 
                         for a in v], 
                  columns=('user', 'val'))

# cut by bins
df['cat'] = pd.cut(df.val, bins=bins)

# pivot to get the data
df.pivot_table(index='user', columns='cat', aggfunc='count')

输出：

         val                                    
cat  (5, 10] (10, 15] (15, 20] (20, 25] (25, 30]
user                                            
63       NaN      2.0      2.0      1.0      2.0
64       2.0      1.0      1.0      NaN      NaN

使用

pd.cut（）

可以执行以下操作：

pd.cut（每个用户6个视频）

searchsorted

和

bincount

请注意：确保所有数组长度相同的是

minlength

。但是，它需要设置为您期望拥有的类别的实际数量。如果您的实际设置与问题中描述的不完全一致，则可能会发生变化

pd.DataFrame({
    user: np.bincount(b.searchsorted(durations), minlength=len(b) + 1)
    for user, durations in videos_per_user.items()
})

   63  64
0   0   0
1   0   2
2   2   1
3   2   1
4   1   0
5   2   0

---

值\u计数

和

切割

---

我得到以下异常：

ValueError:数组必须都是相同长度的

是的，但我也测试了您的解决方案，因为它似乎符合我的要求。您测试了哪一个？它们都导致了相同的错误吗？哦，你是对的，带有

searchsorted

和

bincount

的那个给了我上面的错误。您使用

value\u counts

和

cut

的解决方案运行良好。您是否指定了

minlength=6

？谢谢，这就是我想要做的！我在创建透视表时添加了

fill\u value=0

pd.DataFrame({
    user: np.bincount(b.searchsorted(durations), minlength=len(b) + 1)
    for user, durations in videos_per_user.items()
})

   63  64
0   0   0
1   0   2
2   2   1
3   2   1
4   1   0
5   2   0

pd.DataFrame({
    user: pd.value_counts(pd.cut(durations, bins))
    for user, durations in videos_per_user.items()
})

          63  64
(0, 5]     0   0
(5, 10]    0   2
(10, 15]   2   1
(15, 20]   2   1
(20, 25]   1   0
(25, 30]   2   0