两个熊猫数据帧之间的平均向量

Question

假设有两个DataFrame，分别是

import pandas as pd
import numpy as np 

df1 = pd.DataFrame({'item':['apple', 'orange', 'melon',
                            'meat', 'milk', 'soda', 'wine'],
                    'vector':[[12, 31, 45], [21, 14, 56], 
                              [9, 47, 3], [20, 7, 98], 
                              [11, 67, 5], [23, 45, 3],
                              [8, 9, 33]]})

df2 = pd.DataFrame({'customer':[1,2,3],
                    'grocery':[['apple', 'soda', 'wine'],
                               ['meat', 'orange'],
                               ['coffee', 'meat', 'milk', 'orange']]})

df1 和 df2 的输出是

df1
    item    vector
0   apple   [12, 31, 45]
1   orange  [21, 14, 56]
2   melon   [9, 47, 3]
3   meat    [20, 7, 98]
4   milk    [11, 67, 5]
5   soda    [23, 45, 3]
6   wine    [8, 9, 33]

df2
customer    grocery
0   1   [apple, soda, wine]
1   2   [meat, orange]
2   3   [coffee, meat, milk, orange]

目标是平均每个客户的购物清单的向量。 如果 df1 中没有列出某个项目，则使用[0, 0, 0]表示，因此'coffee' = [0, 0, 0] 。 最终的数据帧 df2 会像

    customer    grocery                  average
0   1   [apple, soda, wine]             [14.33, 28.33, 27]
1   2   [meat, orange]                  [20.5, 10.5, 77]
2   3   [coffee, meat, milk, orange]    [13, 22, 39.75]

其中 customer1 是平均苹果、苏打水和葡萄酒的向量。 customer3 是平均咖啡、肉、牛奶和橙子的向量，同样，这里的coffee = [0, 0, 0]因为它不在 df1 上。 有什么建议么？ 提前谢谢了

Answer 1

这个答案可能冗长且未优化，但它会满足您的目的。

首先，您需要检查 df2 中的项目是否在 df1 中，以便您可以将不存在的项目与 0 一起添加到 df1 中。

import itertools

for i in set(itertools.chain.from_iterable(df2['grocery'])):
    if i not in list(df1['item']):
        df1.loc[len(df1.index)] = [i,[0,0,0]]

接下来，您可以执行列表推导以查找列表的平均值并将其添加到 df2 中的新列。

df2['average'] = [np.mean(list(df1.loc[df1['item'].isin(i)]["vector"]),axis=0) for i in df2["grocery"]]

df2
Out[91]: 
   customer  ...                                         average
0         1  ...  [14.333333333333334, 28.333333333333332, 27.0]
1         2  ...                              [20.5, 10.5, 77.0]
2         3  ...                             [13.0, 22.0, 39.75]

[3 rows x 3 columns]

Answer 2

你能检查这是否有效吗？ 如果它有效，我会添加一个解释。

d2 = df2.explode('grocery')
df2['average'] = d2['grocery'].map(df1.set_index('item')['vector'].map(np.mean)).fillna(0).round(1).groupby(level=0).agg(list)