我有一个熊猫数据帧(交互数据帧(,其中列为用户、项目、评级。
Ratings ItemID UserID
1 1172952 A74
1 1178735 176
4 341785 70C
3 136771 67E
2 1178883 383
假设我还有两个数据帧,分别有 200 个用户和 1000 个 ietms。 问题是在交互数据帧中,我需要对每个用户和每个项目组合进行评级。如果用户/项目组合的评分为 0(如果交互数据框中没有可用于该用户和项目的交互(。
我尝试使用这样的循环:
item_ids = np.repeat(item_data.id.values, len(user_data.id.values))
user_ids = np.tile(user_data.id.values, len(item_data.id.values))
ratings = np.empty([len(item_ids)])
for i in range(len(ratings)):
inter = interactions.loc[(interactions['UserID'] == user_ids[i]) & (interactions["ItemID"] == item_ids[i]), "Ratings"]
if not inter.empty:
ratings[i] = inter.values[0]
else:
ratings[i] = 0
interactions = np.stack((ratings, item_ids, user_ids), axis=-1)
但是,对于只有 30,000 行的评级数组,需要 40 秒才能完成。 有没有快速的方法可以做到这一点? 感谢您的帮助。
你对问题的解释有点草率,但我有一种感觉,你需要这个:
interactions.set_index(['ItemID','UserID'])
.unstack().fillna(0).astype(int).stack()
.reset_index()
此代码创建用户和项的矩形表,用零填充空白,并将表转换回"高"向量。输出:
ItemID UserID Ratings
0 136771 176 0
1 136771 383 0
2 136771 67E 3
3 136771 70C 0
4 136771 A74 0
5 341785 176 0
6 341785 383 0
7 341785 67E 0
8 341785 70C 4
9 341785 A74 0
10 1172952 176 0
....
我假设每个项目和每个用户(但不是他们的组合!(在interaction
表中至少引用一次。如果没有,则需要对其他两个表进行一些merge
。