生成用户/项目交互

Question

我有一个 pandas 数据框（交互数据框），其中包含用户、项目、评级等列。

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框，分别有 200 个用户和 1000 个 ietms。 问题是在交互数据框中，我需要对每个用户和每个项目组合进行评分。如果交互数据框中的用户和项目没有可用的交互，则用户/项目组合的评分为 0。

我尝试过使用这样的循环：

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)

但对于只有 30,000 行的评级数组，需要 40 秒才能完成。 有没有一种快速的方法来做到这一点？ 感谢您的帮助。

Answer 1

你对问题的解释有点草率，但我感觉你需要这个：

interactions.set_index(['ItemID','UserID'])\
            .unstack().fillna(0).astype(int).stack()\
            .reset_index()

此代码创建一个包含用户和项目的矩形表格，用零填充空白，并将表格转换回“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 表中至少被引用一次。如果没有，则需要一些merge'ing 与其他两个表。