我是Python的初学者,在数据框架上生成和识别元组的重复项时遇到了困难。
首先,我有以下用户ID列表:
'userid': ["us1", "us2", "us1", "us2", "us4", "us4", "us5", "us1", "us2"]
我想按照用户ID在列表中的顺序生成2乘2元组,所以应该是:
[('us1', 'us2'),
('us2', 'us1'),
('us1', 'us2'),
('us2', 'us4'),
('us4', 'us4'),
('us4', 'us5'),
('us5', 'us1'),
('us1', 'us2')]
但是我到达的元组是这样的(我不明白为什么):
[('us1', 'us2'),
('us2', 'us1'),
('us1', 'us4'),
('us4', 'us2'),
('us2', 'us5'),
('us5', 'us4'),
('us4', 'us1'),
('us1', 'us2')]
下面是我的代码:
d = {'id': ["a", "a", "a", "a", "a", "a", "a", "a", "a"], 'id2': ["b", "b", "b", "b", "b", "b", "b", "b", "b"], 'userid': ["us1", "us2", "us1", "us2", "us4", "us4", "us5", "us1", "us2"], "time": [1, 2, 3, 5, 4, 7, 6, 8, 9]}
df_test = pd.DataFrame(data=d).sort_values('time')
df_test.groupby(['id','id2']).agg(lambda x: x.tolist()).reset_index()
test2 = list(zip(df_test.userid[:-1], df_test.userid[1:]))
zipped_list = test2[:]
list(test2)
->; 此外,我的下一步将在这个元组上查找重复项,并将它们提取为一个新的列表,所以在这个元组的情况下:
[('us1', 'us2'),
('us2', 'us1'),
('us1', 'us2'),
('us2', 'us4'),
('us4', 'us4'),
('us4', 'us5'),
('us5', 'us1'),
('us1', 'us2')]
应该是列表[('us1','us2'),3]
,因为它是唯一出现重复的元组,而'3'则是出现重复的3倍
因此,我找不到我的错误,在我想要的顺序上生成元组,也不知道如何找到重复的。
感谢任何帮助!! 谢谢
让我们执行frozenset
+value_counts
pd.Series(list(map(frozenset,zipped_list))).value_counts()
(us2, us1) 3
(us1, us4) 2
(us2, us5) 1
(us5, us4) 1
(us2, us4) 1
dtype: int64
如果只需要重新排序列表
l=list(map(frozenset,zipped_list))
或者我们可以做numpy
np.sort(zipped_list,axis=1).tolist()
[['us1', 'us2'], ['us1', 'us2'], ['us1', 'us4'], ['us2', 'us4'], ['us2', 'us5'], ['us4', 'us5'], ['us1', 'us4'], ['us1', 'us2']]
更新:您首先sort_values
,因此我们需要返回sort_index
list(zip(df_test.userid[:-1].sort_index(), df_test.userid[1:].sort_index()))
[('us1', 'us2'), ('us2', 'us1'), ('us1', 'us2'), ('us2', 'us4'), ('us4', 'us4'), ('us4', 'us5'), ('us5', 'us1'), ('us1', 'us2')]