J'ai cette trame de données.

df1 = pd.DataFrame({'userId': [1,1,1,2,2,3,4,4],
                   'movieId': [500,600,700,1100,1200,600,600,1900],  
                   'ratings': [3.5,4.5,2.0,5.0,4.0,4.5,5.0,3.5]})


df2 = pd.DataFrame({'userId':[1,1,2,3,4,5],
                    'movieId':[500,600,1100,800,900,600],
                    'tag':['Highly quotable','Boxing story','MMA','Tom Hardy','Fun','long movie']})


frames = [df1, df2]
result = pd.concat(frames, sort = False)
result

  userId movieId ratings tag
0   1    500     3.5    NaN
1   1   600      4.5    NaN
2   1   700      2.0    NaN
3   2   1100     5.0    NaN
4   2   1200     4.0    NaN
5   3   600      4.5    NaN
6   4   600      5.0    NaN
7   4   1900     3.5    NaN
0   1   500      NaN    Highly quotable
1   1   600      NaN    Boxing story
2   2   1100     NaN    MMA
3   3   800      NaN    Tom Hardy
4   4   900      NaN    Fun
5   5   600      NaN    long movie

J'essaie de regrouper par movieId. Ce que je veux, c'est compter le nombre d'occurrences pour chaque film. Si le nombre est égal à 2 ou supérieur à 2, il devrait prendre la moyenne de ratings pour ce scénario et afficher toutes les informations. J'ai essayé cela mais cela donne une erreur. KeyError: 'ratings'.

Voici le code

group = result.groupby('movieId')['movieId'].count().reset_index(name="count")
agg = group['ratings'].mean().reset_index(name="mean")
agg
#right code here
1
Sanwal 7 févr. 2020 à 16:05

1 réponse

Meilleure réponse

Je vais proposer quelque chose de différent. Je n'utiliserai pas concat, à la place j'utiliserai pd.merge

Regarde ça:

import pandas as pd

df1 = pd.DataFrame({'userId': [1,1,1,2,2,3,4,4],
                   'movieId': [500,600,700,1100,1200,600,600,1900],
                   'ratings': [3.5,4.5,2.0,5.0,4.0,4.5,5.0,3.5]})


df2 = pd.DataFrame({'userId':[1,1,2,3,4,5],
                    'movieId':[500,600,1100,800,900,600],
                    'tag':['Highly quotable','Boxing story','MMA','Tom Hardy','Fun','long movie']})

# Merging df1 and df2, now you'll not have unnecessary NaN Values
result = df1.merge(df2[['movieId', 'tag']], on='movieId', how='left')

# Grouping by using two tipes of output with agg
result.groupby(by=['movieId', 'tag'], as_index=False).agg({'ratings': ['count', 'mean']})

La sortie sera:

  movieId              tag ratings          
                             count      mean
0     500  Highly quotable       1  3.500000
1     600     Boxing story       3  4.666667
2     600       long movie       3  4.666667
3    1100              MMA       1  5.000000

J'espère que ça marche pour toi

Modifier

Comme vous l'avez demandé dans les commentaires, si vous souhaitez filtrer le bloc de données, vous pouvez simplement exécuter le code ci-dessous :

# Removing multiindex columns (just to be easier for you)
result = result.droplevel(0, axis=1)
result.columns = ['userId', 'movieId', 'ratings_count', 'ratings_mean']

# Filtering
result = result[result['ratings_count'] >= 2]
result = result[result['ratings_mean'] >= 3]

Il existe de meilleures façons de le faire, mais je suppose que vous ne savez pas encore comment travailler avec Pandas MultiIndex, j'ai donc proposé une solution simple.

1
Thales Marques 7 févr. 2020 à 14:58