Python提取新数据框

小编典典

Python提取新数据框

python

我有一个数据框：

  topic  student level 
    1      a       1     
    1      b       2     
    1      a       3     
    2      a       1     
    2      b       2     
    2      a       3     
    2      b       4     
    3      c       1     
    3      b       2     
    3      c       3     
    3      a       4     
    3      b       5

它包含一列级别，该列级别指定谁启动了该主题以及谁对该主题进行了回复。如果级别为1，则表示学生已开始该主题。如果等级为2，则表示学生回复了开始该主题的学生。如果等级为3，则表示学生对等级2以及之后的等级的学生进行了回复。

我想提取一个新的数据框，该数据框应通过该主题介绍学生之间的交流。它应包含三列：“学生来源”，“学生目的地”和“答复计数”。答复计数是学生目的地“直接”回复学生来源的次数。

我应该得到类似的东西：

   st_source st_dest reply_count
        a        b       4
        a        c       0
        b        a       2
        b        c       1
        c        a       1
        c        b       1

我尝试使用此代码查找前两列。

idx_cols = ['topic']
std_cols = ['student_x', 'student_y']
df1 = df.merge(df, on=idx_cols)
df2 = df1.loc[f1.student_x != f1.student_y, idx_cols + std_cols]

df2.loc[:, std_cols] = np.sort(df2.loc[:, std_cols])

有人对第三栏有什么建议吗？

先感谢您！

阅读 208

2021-01-20

共1个答案

小编典典

假设您的数据已经按主题，学生然后按等级排序。如果没有，请先对其进行排序。

#generate the reply_count for each valid combination by comparing the current row and the row above.
count_list = df.apply(lambda x: [df.ix[x.name-1].student if x.name >0 else np.nan, x.student, x.level>1], axis=1).values

#create a count dataframe using the count_list data
df_count = pd.DataFrame(columns=['st_source','st_dest','reply_count'], data=count_list)

#Aggregate and sum all counts belonging to a source-dest pair, finally remove rows with same source and dest.
df_count = df_count.groupby(['st_source','st_dest']).sum().astype(int).reset_index()[lambda x: x.st_source != x.st_dest]

print(df_count)
Out[218]: 
  st_source st_dest  reply_count
1         a       b            4
2         b       a            2
3         b       c            1
4         c       a            1
5         c       b            1

2021-01-20