【问题标题】:Python create combinations of ID's based on conditionsPython根据条件创建ID组合
【发布时间】:2019-02-25 02:56:20
【问题描述】:

您好,我想创建 ID 组合。我知道如何创建所有可能的组合,但被困在操作的最后一部分。任何帮助将不胜感激。

我有一个数据集如下:

将熊猫导入为 pd 从itertools 导入combinations_with_replacement

d1 = {'Subject': ['Subject1','Subject1','Subject1','Subject2','Subject2','Subject2','Subject3','Subject3','Subject3','Subject4','Subject4','Subject4','Subject5','Subject5','Subject5'],
'Actual':['1','0','0','0','0','1','0','1','0','0','0','0','1','0','1'],
'Event':['1','2','3','1','2','3','1','2','3','1','2','3','1','2','3'],
'Category':['1','1','2','1','1','2','2','2','2','1','1','1','1','2','1'],
'Variable1':['1','2','3','4','5','6','7','8','9','10','11','12','13','14','15'],
'Variable2':['12','11','10','9','8','7','6','5','4','3','2','1','-1','-2','-3'],
'Variable3': ['-6','-5','-4','-3','-4','-3','-2','-1','0','1','2','3','4','5','6']}
d1 = pd.DataFrame(d1)

我想在每一层的每个事件中创建所有可能的主题组合。这是由(来自上一个问题Form groups of individuals python (pandas))完成的:

L = [(i[0], i[1], y[0], y[1]) for i, x in d1.groupby(['Event','Category'])['Subject'] 
                          for y in list(combinations_with_replacement(x, 2))]
df = pd.DataFrame(L, columns=['Event','Category','Subject_IDcol1','Subject_IDcol2'])

现在,我想取所有那些 Actual = 1 的对,并随机选择 Actual = 0 的“n”个主题。为了简单起见,我们取 n = 1。我想运行函数 combination_with_replacement 在这个新列表中。

例如,我想要得到的输出(假设随机选择)是这样的:

对于事件 1,类别 1:主题 1 和 5 的实际 = 1,并假设主题 2 是随机抽取的。

与此相比,在之前的情况下,结果是这样的(对于事件 =1 和类别 =1)

任何帮助将不胜感激。谢谢。

【问题讨论】:

  • 第一张截图,按照你的解释,不应该是Subject5Subject4吗?还是我误会了什么?
  • @jdehesa 你是对的。我很抱歉。我在玩数据,并在发布时没有改变它。我会更新正确的版本。感谢您指出这一点。

标签: python pandas random data-manipulation


【解决方案1】:

我认为这是做你想做的事情的一种方法:

import itertools
import pandas as pd
import numpy as np

d1 = {
    'Subject': ['Subject1', 'Subject1', 'Subject1', 'Subject2', 'Subject2', 'Subject2',
                'Subject3', 'Subject3', 'Subject3', 'Subject4', 'Subject4', 'Subject4',
                'Subject5', 'Subject5', 'Subject5'],
    'Actual': ['1', '0', '0', '0', '0', '1', '0', '1', '0', '0', '0', '0', '1', '0', '1'],
    'Event': ['1', '2', '3', '1', '2', '3', '1', '2', '3', '1', '2', '3', '1', '2', '3'],
    'Category': ['1', '1', '2', '1', '1', '2', '2', '2', '2', '1', '1', '1', '1', '2', '1'],
    'Variable1': ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15'],
    'Variable2': ['12', '11', '10', '9', '8', '7', '6', '5', '4', '3', '2', '1', '-1', '-2', '-3'],
    'Variable3': ['-6', '-5', '-4', '-3', '-4', '-3', '-2', '-1', '0', '1', '2', '3', '4', '5', '6']
}
d1 = pd.DataFrame(d1)
num_nonactual = 1

np.random.seed(100)
# First leave only up to num_nonactual subjects with actual != '1' for each event/category
g1 = d1.groupby(['Event', 'Category', 'Actual'], group_keys=False)
d2 = g1.apply(lambda x: x if x.name[2] == '1' else x.sample(min(num_nonactual, len(x))))
# Then do the same as before
d2.sort_values('Subject', inplace=True)
L = [(i1, i2, y1, y2)
     for (i1, i2), x in d2.groupby(['Event', 'Category'])['Subject']
     for y1, y2 in itertools.combinations_with_replacement(x, 2)]
df = pd.DataFrame(L, columns=['Event', 'Category', 'Subject_IDcol1', 'Subject_IDcol2'])
print(df)

输出:

   Event Category Subject_IDcol1 Subject_IDcol2
0      1        1       Subject1       Subject1
1      1        1       Subject1       Subject4
2      1        1       Subject1       Subject5
3      1        1       Subject4       Subject4
4      1        1       Subject4       Subject5
5      1        1       Subject5       Subject5
6      1        2       Subject3       Subject3
7      2        1       Subject2       Subject2
8      2        2       Subject3       Subject3
9      2        2       Subject3       Subject5
10     2        2       Subject5       Subject5
11     3        1       Subject4       Subject4
12     3        1       Subject4       Subject5
13     3        1       Subject5       Subject5
14     3        2       Subject2       Subject2
15     3        2       Subject2       Subject3
16     3        2       Subject3       Subject3

【讨论】:

  • 工作就像一个魅力。只是一个快速的澄清。当您创建 d2 并编写“x.name[2]”时,这意味着在初始数据帧中,第二列必须是“实际”变量列?我的解释正确吗?
  • @Prometheus 否,x.name 在该上下文中是分组键,一个包含该组的 EventCategoryActual 值的元组。 [2] 表示我们从分组键中选择 Actual 值,[0]Event[1]Category。数据框中列的顺序无关紧要,因为该顺序是由groupby 的参数强加的。
  • 非常感谢。非常感谢所有的帮助。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2016-07-14
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2021-09-02
  • 2016-12-10
相关资源
最近更新 更多