Python 如何使用索引对数据帧中的值进行排序?
我有以下主题文档概率矩阵的数据框架,第一行是文本文件的名称Python 如何使用索引对数据帧中的值进行排序?,python,pandas,dataframe,ranking,Python,Pandas,Dataframe,Ranking,我有以下主题文档概率矩阵的数据框架,第一行是文本文件的名称 1 2 ... 80 81 0 778.txt 856.txt ... 831.txt
1 2 ... 80 81
0 778.txt 856.txt ... 831.txt 850.txt
1 0.002735042735042732 0.0054700854700846634 ... 0.01641025640567632 4.2490294446698094e-09
2 2.146512500161246e-28 8.006312700113502e-16 ... 4.580074538571013e-12 0.02017093592191074
其中,带有值(0.0,1.0)的列0分别表示主题1和主题2的索引。对每列进行排序后(decsending)
我得到了以下输出
0 1 2 3 4 ... 77 78 79 80 81
1 1.0 2.735043e-03 0.004329 6.837607e-04 0.010396 ... 0.005399 1.367521e-02 1.641026e-02 1.641023e-02 2.017094e-02
2 0.0 9.941665e-23 0.001141 1.915713e-20 0.000202 ... 0.000071 6.475626e-10 1.816478e-12 2.494897e-08 1.366020e-10
我想显示每个文档的主题文档排名矩阵,例如
id topic-rank
778 1, 0
856 1, 0
835 0, 1
786 0, 1
...
831 0, 1
850 1, 0
对于id为1的文档,我分配了1,0,因为主题2的概率大于主题1,依此类推。
怎么做?
已编辑问题的示例数据这些只是dataframe的head()值
id text
0 15623 Y:\n1. Ran preliminary experiments to set para...
1 15625 Scrum Minutes- Hersheys\nPresent: Eyob, Masres...
2 15627 Present: Eyob, Masresha, Zelalem\nhersheys:\n...
3 15628 **********************************************...
4 15629 Scrum Minutes- Hersheys\nPresent: Eyob, Masres...
用于具有DataFrame构造函数的位置:
#create index by first column and transpose
df2 = df.set_index(0).T
arr = df2.columns.values[(-df2.values).argsort()]
df2 = pd.DataFrame({'id': df2.index,
'score1': arr[:, 0].astype(int),
'score2': arr[:, 1].astype(int)})
print (df2)
id score1 score2
0 1 1 0
1 2 1 0
2 3 0 1
3 4 0 1
4 77 1 0
5 78 1 0
6 79 0 1
7 80 1 0
8 81 0 1
编辑:
编辑1:
df2 = df.T.set_index(0).astype(float)
print (df2)
1 2
0
778.txt 2.735043e-03 2.146513e-28
856.txt 5.470085e-03 8.006313e-16
831.txt 1.641026e-02 4.580075e-12
850.txt 4.249029e-09 2.017094e-02
arr = (-df2.values).argsort()
score = (pd.Series(arr[:, 0].astype(str)) + ', ' +
pd.Series(arr[:, 1].astype(str)))
df2 = pd.DataFrame({'id': df2.index.str.replace('\.txt',''),
'score': score})
print (df2)
id score
0 778 0, 1
1 856 0, 1
2 831 0, 1
3 850 1, 0
我能在一列(例如主题排名)中获得分数1和分数2属性的值吗?用逗号分隔?@SamuelMideksa-所以通过
df=pd.read\u csv(pplsa.PLSA\u参数\u PATH+'topic by doc matirx.csv',sep=',
)更改它-然后csv的第一行是数据框中的列,然后更改df2=df.T.set\u索引(0).astype(float)
到df2=df.T
@SamuelMideksa-所以使用df.columns=df.columns.str.replace('\.txt','')
@Samuel Mideksa在我看来,最好是为每个列创建新的列,比如df2=pd.DataFrame(arr,index=df2.index)
,但是如果真的需要连接所有值,那么就使用df2=pd.DataFrame({'id':df2.index.str.replace('\.txt','','','score':pd.DataFrame(arr).astype(str.apply('','.join,axis=1)})
。我离线,只打电话,所以没有测试。好的,所以使用df=pd.concat([df1,df2],axis=1)
df2 = df.set_index(0).T
arr = df2.columns.values[(-df2.values).argsort()]
score = (pd.Series(arr[:, 0].astype(int).astype(str)) + ', ' +
pd.Series(arr[:, 1].astype(int).astype(str)))
df2 = pd.DataFrame({'id': df2.index,
'score': score})
print (df2)
id score
0 1 1, 0
1 2 1, 0
2 3 0, 1
3 4 0, 1
4 77 1, 0
5 78 1, 0
6 79 0, 1
7 80 1, 0
8 81 0, 1
df2 = df.T.set_index(0).astype(float)
print (df2)
1 2
0
778.txt 2.735043e-03 2.146513e-28
856.txt 5.470085e-03 8.006313e-16
831.txt 1.641026e-02 4.580075e-12
850.txt 4.249029e-09 2.017094e-02
arr = (-df2.values).argsort()
score = (pd.Series(arr[:, 0].astype(str)) + ', ' +
pd.Series(arr[:, 1].astype(str)))
df2 = pd.DataFrame({'id': df2.index.str.replace('\.txt',''),
'score': score})
print (df2)
id score
0 778 0, 1
1 856 0, 1
2 831 0, 1
3 850 1, 0