在 Python 中比较两个数据框并有条件地捕获随机数据

Question

我的问题的主要逻辑是稍微比较两个数据框，但这与这里的现有问题有所不同。 Q1、Q2、Q3

让我们创建两个虚拟数据帧。

data1 = {'user': [1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 4, 4,4], 
         'checkinid': [10, 20, 30, 40, 50, 35, 45, 55, 20, 120, 100, 35, 55, 180, 200,400],
         'count': [1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]}

data2 = {'checkinid': [10, 20, 30, 35, 40, 45, 50,55, 60, 70,100,120,180,200,300,400]}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

data2 由整个 checkinid 值组成。我正在尝试创建一个培训文件。

例如，用户 1 访问了 5 个 id 为 (10,20,30,40,50) 的地方

我想随机添加用户1没有访问的地方并将'计数列'设置为0。

我的期望数据框这样

user checkinid count
1       10        1
1       20        1
1       30        1
1       40        1
1       50        1
1       300       0 (add randomly)
1       180       0 (add randomly)
1       55        0 (add randomly)
2       35        1
2       45        1
2       55        1  
2       20        1
2       120       1
2       10        0 (add randomly)
2       400       0 (add randomly)
2       180       0 (add randomly)
...     ...

现在阅读问题的人可以询问他们将添加多少随机数据。 对于每个用户，只需添加 3 个未访问的地方就足够了。

Answer 1

这可能不是最好的解决方案，但它确实有效 您必须获取每个用户，然后选择未分配给他们的 checkinids

#get all users
users = df1.user.unique();

for user in users:
    checkins = df1.loc[df1['user'] == user]
    df = checkins.merge(df2, how = 'outer' ,indicator=True).loc[lambda x : x['_merge']=='right_only'].sample(n=3)
    
    df['user']=[user,user,user]
    df['count']=[0,0,0]
    df.pop("_merge")
    df1 = df1.append(df, ignore_index=True)
    
    
#sort data frome based on user
df1 = df1.sort_values(by=['user']);

#re-arrange cols
df1 = df1[['user', 'checkinid', 'count']]

#print df
print df1