从 Pandas 数据帧创建购物篮 - 而不是标准交易数据集

Question

我正在使用熊猫处理数据集。数据集的格式为：

user_id product_id

用户 1 产品1

用户2 产品3

用户 1 产品2

或者也许这更清楚：

数据集=[[用户1，产品1]， [用户 2，产品 3]， [用户 1，产品 2]]

我的目标是使用此数据集为要购买的产品提供建议。我将使用关联规则 - 先验算法。

由于我没有一个典型的交易数据集，其中有超过 1 个产品一起购买(在同一交易 ID 中(，并且我只能使用该数据集，因此我考虑考虑如果用户 1 购买了产品 1 和产品 2，那么产品 1 和产品 2 一起购买。

之后，我将使用关联规则/先验算法创建规则......但要做到这一点，我需要数据采用 .

的形式为 ：

数据=[[产品 1，产品 2]

， [产品 2]， [产品 3， 产品 1， 产品 2]]

所以我需要以下形式的数据集：

数据集=[[用户 1，产品 1，产品 2]，

[用户 2，产品 3]]

之后，我可以继续进一步的步骤来应用先验..独热编码，发现频繁的项目等。

df.groupby(['user_id'])['product_id']

groupby无法应用，因为我必须应用一个函数......也枢轴函数不起作用......这些是我在尝试进行转换时唯一想到的。

Answer 1

IIUUC 你可以得到你想要的pd.crosstab

import pandas as pd
df = pd.DataFrame({'user_id': ['user1', 'user2', 'user1', 'user3', 'user3', 'user1', 'user2'],
'product_id': ['milk', 'eggs', 'milk', 'bread', 'butter', 'eggs', 'cheese']})
df1 = pd.crosstab(df.user_id, df.product_id).astype('bool').astype('int')
df1.columns.name=None
df1.index.name=None

DF1 现在是：

bread  butter  cheese  eggs  milk
user1      0       0       0     1     1
user2      0       0       1     1     0
user3      1       1       0     0     0

---

如果需要该列表格式，可以groupby+apply(list).

df.groupby('user_id').product_id.apply(list)
#user_id
#user1    [milk, milk, eggs]
#user2        [eggs, cheese]
#user3       [bread, butter]
#Name: product_id, dtype: object

或者，如果您不关心重复项：

df.groupby('user_id').product_id.apply(set)
#user_id
#user1       {milk, eggs}
#user2     {cheese, eggs}
#user3    {bread, butter}
#Name: product_id, dtype: object

Answer 2

这可能不是最好的解决方案 - 也许更有经验的人可以提供适当的熊猫解决方案。我设法通过执行以下操作实现了您需要的输出：

# set user_id as index of dataframe
df.set_index('user_id', inplace=True)
dataset=[]
for u in df.index.unique():
data = df.loc[u]['product_id']
data = [data] if isinstance(data, str) else data.tolist()
dataset.append([u]+data)

输出：

[['user1', 'product1', 'product2'], ['user2', 'product3']]

让我知道这是否回答了您的问题:)