Python 熊猫：如何通过大于考虑索引来筛选列

我有一个数据框，代表餐馆的顾客评级

star_rating

是此数据框中客户的评级

我想做的是在同一个数据框中添加一个列“代码> nbfFaveEx等级< /代码>，它代表一个餐馆的总评论数量。< /强>我认为一个“有利的”意见，如果它的星星数是<代码>＝3＜/Cult>

data={'rating_id'：[1'，'2'，'3'，'4'，'5'，'6'，'7'，'8'，'9']，
‘使用者识别码’：[‘56’、‘13’、‘56’、‘99’、‘99’、‘13’、‘12’、‘88’、‘45’]，
‘餐厅id’：[‘xxx’、‘xxx’、‘yyy’、‘xxx’、‘zzz’、‘zzz’、‘eee’、‘eee’]，
‘星级’：[‘2.3’、‘3.7’、‘1.2’、‘5.0’、‘1.0’、‘3.2’、‘1.0’、‘2.2’、‘0.2’]，
‘评级年’：[‘2012’、‘2012’、‘2020’、‘2001’、‘2020’、‘2015’、‘2000’、‘2003’、‘2004’]，
‘第一年’：[‘2012’、‘2012’、‘2001’、‘2012’、‘2000’、‘2000’、‘2001’、‘2001’]，
‘最后一年’：[‘2020’、‘2020’、‘2020’、‘2020’、‘2020’、‘2015’、‘2015’、‘2020’、‘2020’]，
}
df=pd.DataFrame（数据，列=['rating_id'、'user_id'、'restaurant_id'、'star_rating'、'rating_year'、'first_year'、'last_year'）
df[“星级”]=df[“星级”].aType（浮动）
正面评论=df[df.star\u rating>=3.0].groupby（'restaurant\u id'））
正面评论。head（）

从这里开始，我不知道如何计算一家餐厅的正面评价数量，并将其添加到我的初始数据框

df

的新列中

预期的输出是这样的

data = {'rating_id': ['1', '2','3','4','5','6','7','8','9'],
        'user_id': ['56', '13','56','99','99','13','12','88','45'],
        'restaurant_id':  ['xxx', 'xxx','yyy','yyy','xxx','zzz','zzz','eee','eee'],
        'star_rating': ['2.3', '3.7','1.2','5.0','1.0','3.2','1.0','2.2','0.2'],
        'rating_year': ['2012','2012','2020','2001','2020','2015','2000','2003','2004'],
        'first_year': ['2012', '2012','2001','2001','2012','2000','2000','2001','2001'],
        'last_year': ['2020', '2020','2020','2020','2020','2015','2015','2020','2020'],
        'nb_fave_rating': ['1', '1','1','1','1','1','1','0','0'],
        }

所以我试了一下，吃了一堆“南”

df['nb\u fave\u rating']=df[df.star\u rating>=3.0].groupby（'restaurant\u id'）.agg（{'star\u rating'：'count'））
df.head（）

一行完成

groupby（）

，

转换

布尔选择并将结果转换为

整数

  df['nb_fave_rating']=df.groupby('restaurant_id')['star_rating'].transform(lambda x: int((x>=3).sum()))

 rating_id user_id restaurant_id  star_rating rating_year first_year  \
0         1      56           xxx          2.3        2012       2012   
1         2      13           xxx          3.7        2012       2012   
2         3      56           yyy          1.2        2020       2001   
3         4      99           yyy          5.0        2001       2001   
4         5      99           xxx          1.0        2020       2012   
5         6      13           zzz          3.2        2015       2000   
6         7      12           zzz          1.0        2000       2000   
7         8      88           eee          2.2        2003       2001   
8         9      45           eee          0.2        2004       2001   

  last_year  nb_fave_rating  
0      2020             1.0  
1      2020             1.0  
2      2020             1.0  
3      2020             1.0  
4      2020             1.0  
5      2015             1.0  
6      2015             1.0  
7      2020             0.0  
8      2020             0.0  

• 使用

  映射的from是最快的解决方案

• 使用

  .groupby

  获取每个

  餐厅id的评分计数
  =3

• .merge

  正面评论

  返回到

  df

positive\u reviews=df[df.star\u rating>=3.0]。groupby（'restaurant\u id'，as\u index=False）。agg（{'star\u rating'：'count'}）。重命名（列={'star\u rating'：'nb\u fave\u rating'}）
#返回df
df=df.merge（正面评论，how='left'，on='restaurant'u id'）。fillna（0）
#显示（df）
评级\u id用户\u id餐厅\u id明星\u评级\u年第一年\u年去年\u年nb\u fave\u评级
0 1 56 xxx 2.3 2012 2012 2020 1.0
1 2 13 xxx 3.7 2012 2012 2020 1.0
2 3 56 yyy 1.2 2020 2001 2020 1.0
3 4 99 yyy 5.0 2001 2001 2020 1.0
4 5 99 xxx 1.0 2020 2012 2020 1.0
5 6 13 zzz 3.2 2015 2000 2015 1.0
6 7 12 zzz 1.0 2000 2000 2015 1.0
7888 eee 2.2 2003 2001 2020 0.0
8 9 45 eee 0.2 2004 2001 2020 0.0

%timeit

比较

• 给定9行数据帧，

  df

#创建1125000行的测试数据帧
dfl=pd.concat（[df]*125000）。重置索引（drop=True）
#变换测试
def添加分级转换（df）：
返回df.groupby（'restaurant_id'）['star_rating'].transform（lambda x:int（（x>=3.sum（）））
%timeit添加分级转换（dfl）
[out]：
每个回路222 ms±9.01 ms（7次运行的平均值±标准偏差，每个回路1次）
#地图测试
def添加等级图（df）：
过滤数据=df[df[‘星级’]>=3]
d=过滤的数据。groupby（'restaurant_id'）['star_rating'].count（）。to_dict（）
返回df['restaurant_id'].map（d）.fillna（0）.astype（int）
%timeit添加分级图（dfl）
[out]：
每个回路105 ms±1.56 ms（7次运行的平均值±标准偏差，每个10个回路）
#合并测试
def添加\评级\合并（df）：
正面评论=df[df.star\u rating>=3.0]。groupby（'restaurant\u id'，as\u index=False）。agg（{'star\u rating'：'count'}）。重命名（列={'star\u rating'：'nb\u fave\u rating'}）
返回df.merge（正面评论，how='left'，on='restaurant'u id'）。fillna（0）
%timeit添加\评级\合并（dfl）
[out]：
每个回路639 ms±26.5 ms（7次运行的平均值±标准偏差，每个回路1次）

以下是一个具有和的潜在解决方案：

输出：

  rating_id user_id restaurant_id  star_rating rating_year first_year last_year  nb_fave_rating
0         1      56           xxx          2.3        2012       2012      2020               1
1         2      13           xxx          3.7        2012       2012      2020               1
2         3      56           yyy          1.2        2020       2001      2020               1
3         4      99           yyy          5.0        2001       2001      2020               1
4         5      99           xxx          1.0        2020       2012      2020               1
5         6      13           zzz          3.2        2015       2000      2015               1
6         7      12           zzz          1.0        2000       2000      2015               1
7         8      88           eee          2.2        2003       2001      2020               0
8         9      45           eee          0.2        2004       2001      2020               0

---

计算评级>=3.0的情况

df['nb_fave_rating'] = df.groupby('restaurant_id')['star_rating'].transform(lambda x: x.ge(3.0).sum()).astype(np.int)

---

伟大的分析@Trenton。谢谢分享。从你的答案中总有很多东西要学。

df['nb_fave_rating'] = df.groupby('restaurant_id')['star_rating'].transform(lambda x: x.ge(3.0).sum()).astype(np.int)