pandas数据帧中的产品评分
是指在使用pandas库进行数据分析和处理时，针对产品的评分数据进行统计和分析的操作。pandas是一种开源的数据分析工具，提供了灵活且高效的数据结构，其中最常用的数据结构是数据帧（DataFrame）。
数据帧是一种二维表格结构，类似于关系型数据库中的表格。在数据帧中，每列代表一个变量，每行代表一个观察样本。因此，可以将产品评分作为数据帧的一列，其他列可以包含与产品相关的特征、属性或其他指标。
使用pandas对产品评分数据进行分析，可以帮助我们了解产品的整体评价、用户满意度以及不同产品之间的比较。以下是对pandas数据帧中的产品评分进行处理和分析的步骤和方法：
- 数据导入：将包含产品评分数据的文件（如CSV、Excel等）导入为pandas数据帧，可以使用
pandas.read_csv()或pandas.read_excel()函数。 - 数据清洗：对导入的数据进行清洗，包括处理缺失值、异常值等。可以使用
pandas.DataFrame.dropna()函数删除包含缺失值的行，使用pandas.DataFrame.fillna()函数填充缺失值。 - 数据转换：根据需要，将评分数据进行适当的转换。例如，可以将评分数据从0-10分转换为百分制得分。
- 统计描述：使用
pandas.DataFrame.describe()函数对评分数据进行统计描述，包括计算均值、标准差、最小值、最大值等。 - 可视化分析：使用
pandas库结合其他数据可视化工具（如Matplotlib、Seaborn等）进行产品评分数据的可视化分析。可以绘制直方图、箱线图、散点图等来展示评分的分布情况、异常值等。 - 分组分析：根据需要，可以使用
pandas.DataFrame.groupby()函数将产品评分数据按照某个特征进行分组，例如按产品类型、用户属性等进行分组统计和分析。 - 相关性分析：使用
pandas.DataFrame.corr()函数计算评分数据之间的相关性，了解评分与其他特征之间的关联程度。 - 排序和筛选：根据评分数据的不同要求，可以使用
pandas.DataFrame.sort_values()函数进行排序，使用条件筛选函数（如pandas.DataFrame.loc()和pandas.DataFrame.query()）进行数据筛选。
在腾讯云的产品生态中，推荐使用与数据分析和处理相关的产品：
- 腾讯云数据湖分析（Cloud Data Lake Analytics）：是一种大数据分析服务，可用于在云上快速构建、访问和分析数据湖中的大规模结构化和非结构化数据。详情请参考腾讯云数据湖分析。
- 腾讯云弹性MapReduce（EMR）：是一种全托管的大数据处理服务，可在云上快速部署和扩展Hadoop、Spark等开源框架，用于处理大规模数据集。详情请参考腾讯云弹性MapReduce。
- 腾讯云数据仓库（CDW）：是一种灵活、可扩展的数据仓库解决方案，用于存储和管理大规模结构化数据，并提供高性能的数据查询和分析能力。详情请参考腾讯云数据仓库。
请注意，以上推荐的产品仅作为示例，具体选择和使用需根据实际需求和情况进行。
相关·内容
因此，我有一个包含game_id、player_id和playtime列的Pandas数据帧。我想为每一行添加一个z-score评分，以了解在游戏时间方面，他们对每个给定的游戏有多大的偏差。我如何遍历这些分数并将每个分数添加到数据框的新列中？如果有什么我需要澄清的请告诉我。
浏览 5提问于2021-01-03得票数 1
回答已采纳
1回答
我正在致力于在pyspark上使用ALS来做协同过滤。这些模型在数据框中给出了预测结果，如下所示。 CustomerID ProductID Rating
0 4 4.2
0 2 2.7
0 6 3
1 7 2.3
1 0 0.5
2 3 3.1 我希望将数据帧转换为用户到项目矩阵，
浏览 21提问于2019-05-21得票数 0
回答已采纳
我有一个关于用户产品评级的数据框架，如下所示，df1 = USER_ID PRODUCT_ID RATING
0 0 0 0
1 1 1 1
2 2 2 2
3 3 3 3
4 4 4 4
5 5 5 5
6 6 6 6
7 7
浏览 8提问于2019-12-15得票数 2
回答已采纳
就总行数而言，我有一个巨大的dataframe df，实际上它里面有太多的行。我需要以一种合理的方式限制行数，同时仍然保持每部电影在数据帧中有相同数量的评论(目前差异很大) 数据帧的形状如下所示 第一列是userID，第二列是animeID (本质上是movieID)第三列是用户自己对该电影的评分。每一行都是一个电影评论。在animeID列中应该有大约300个movieIDs。 在movieID中，我需要做的是限制行的数量，以便重采样该数据帧，使其每个pandas (即pandas)只有5行左右，并且新的数据帧应该只有那些新采样的行。我完全纠结于如何在pandas中做到这一点，也许我可以在e
浏览 28提问于2019-03-11得票数 1
回答已采纳
我得到了一个10000行的.txt文件，其中包含标题、imdb评分、投票数、流派和其他有关电影的信息。我们应该将其导入到包含pandas的数据帧中，但我不知道如何告诉pandas在哪里正确分隔列。例如，第一行是电影“肖申克的救世主”，但第二行是“低俗小说”。.txt中的信息之间没有逗号分隔，只有空格。因此，Pandas将"The“、"Shawshank”、"Redemption“作为单独的字段。我该如何告诉Pandas如何正确地分解.txt文件呢？我现在的代码是： from IPython.core.interactiveshell import Interactiv
浏览 12提问于2021-11-18得票数 0
3回答
我有一个pandas数据框： import pandas as pd
df = pd.DataFrame({'dummy_1' : [0, 0, 0, 1, 1, 0],
'dummy_2' : [1, 1, 0, 0, 1, 1],
'dummy_3' : [1, 1, 1, 0, 0, 0]}) 我想将产品添加为新列(在相同的数据帧中)，每列的产品和另外两列。 因此，生成的数据帧如下所示： df = pd.DataFrame({ 'dumm
浏览 15提问于2019-02-11得票数 1
回答已采纳
1回答
我有一个很大的pyspark数据框架，其中列是一些产品，行是其随时间变化的价格。我需要计算所有产品的协方差矩阵，但数据太大，无法转换为pandas数据帧，因此我需要使用pyspark进行计算。我到处都找过了，但我想不出解决这个问题的办法。有没有人知道该怎么做？ 我已经有了相关矩阵，所以任何使用标准差对角矩阵的方法都是非常受欢迎的。 Here是我的数据帧中两列的一个示例。
浏览 68提问于2021-06-15得票数 0
我正在尝试根据该行中的另一列是否包含字符串来填充pandas数据帧中的新列。
例如，我有一个可能的颜色列表：
possible_colors = ['red', 'blue', 'green', orange', 'purple']
数据帧包含假设产品的销售数据。产品名称在其产品代码中包含一种颜色，我想创建一个列，将该产品标记为其正确的颜色。
df = {'product': ['123red309','20424green098','2purple09183'
浏览 0提问于2019-03-13得票数 2
我有2个DataFrames，介绍产品。一个叫做current，另一个叫做future。
current表示数据库中的当前状态future表示数据库的新状态
假设它们只有两列：“id”和“name”。我需要合并它们并追加一个列，该列将具有四个值：new、none、update和delete。
new -此产品不在current数据框中
none -此产品同时存在于两个数据帧中，并且值未更改
update -此产品在两个数据帧中，但它至少有一个不同的值
delete -此产品位于current中，但不在delete数据帧中
我想使用outer join，因为有很多产品，而且pandas在合并方面
浏览 0提问于2020-05-22得票数 1
在从json到pandas读取数据时，多标准酒店评级列的读取如下所示。我的数据帧评分和ReviewID中有2列。由于我从一个较大的Json读取数据帧，因此Rating列中的每个审阅者都有一个条目，其格式如下：
`result.head()
Ratings ReviewID
0 {'Service': '5', 'Cleanliness': '5', 'Overall'... 12
1 {'Ser
浏览 0提问于2020-02-01得票数 3
我正在使用pandas读取包含产品数据的CSV文件，其中一个数据帧包含产品线代码'NA'，当我将数据输出到新文件时，线代码'NA‘不再是数据帧的一部分，它已被删除，现在是空白字段，我如何阻止这种情况发生？ data = pd.read_csv('C:\\Users\\User\\Desktop\\' + filename, sep=',', quotechar='"', encoding='mbcs',
low_memory=False) 我想要的数据帧将如下
浏览 34提问于2019-10-16得票数 0
回答已采纳
1回答
我有一个数据帧，看起来像这样： '0' '1' '2'
0 5 4 0
1 3 0 0
2 1 0 2 其中列的名称('0'，'1'，'2'，...)表示用户ids，索引表示电影ids，每个条目表示用户对该电影的评分。 我想在前一个的基础上创建一个新的数据帧，它是这样的： user_id movie_id rating
0 0 0 5
1 0 1 3
2 0
浏览 15提问于2021-01-01得票数 4
回答已采纳
总的来说，我是DataScience/Pandas的新手。我主要关注的推荐系统。
我的主要不同之处在于，我的电影数据是从一个表开始的，我希望从该列表中找到与特定电影最相似的电影。
初始数据帧如下所示：
然后我将其转换为稀疏数据帧，其中可以显示用户对每部电影的评分：
rating_with_totalRatingCount = rating_with_totalRatingCount.drop_duplicates(['userID', 'movieTitle'])
ratingPivot = rating_with_totalRatingCount.piv
浏览 0提问于2020-05-04得票数 0
我正在使用MovieLens 1M数据集来学习pandas，并且我想获取一些基于流派列的数据。
我得到的数据帧中的一行是这样的：
movieid title genres rating userid gender age occupation zipcode timestamp
1000204 2198 Modulations (1998) [Documentary] 5 5949 M 18 17 47901 958846401
1000205 2703 Broken Vessels (1998) [Drama] 3 5675
浏览 7提问于2019-07-24得票数 1
1回答
我使用Solr (edismax)搜索“产品”。
当我搜索一些产品时，我得到了它们的分数，但是我想要将产品字段的值添加到这个分数中(在搜索的时候)。
例如：
对于这个solr结果：
产品1(字段: 0.05) ->评分: 1.5
产品2(字段: 0.30) ->评分: 1.3
产品3(字段: 0.35) ->评分: 1.3我想得到：
产品3(字段: 0.35) ->评分: 1.3+0.35 = 1.65
产品2(字段: 0.30) ->评分: 1.3+0.30 = 1.60
产品1(字段: 0.25) ->评分: 1.5+0.05 = 1.55
我能做
浏览 1提问于2016-05-04得票数 0
2回答
我有一个形状为(1, 78)的数据帧，它由另一个形状为(250,000, 78)的数据帧的β系数组成，这些系数是变量。两个数据框中的列名相互匹配。如何有效地将较大数据帧的每一行乘以第一个数据帧中的系数。 import pandas as pd
import numpy as np
df1 = pd.DataFrame(np.random.randint(0,100, size=(1, 78)))
df1 = df1/100
df2 = pd.DataFrame(np.random.randint(0,100, size=(10, 78)))
df2 本质上，最终产品应该是(10, 78)的
浏览 18提问于2019-09-27得票数 2
我有一个mongodb集合，表示每个用户的电影收视率：
[
{
"movie_rate" : [
{
"rate" : 4,
"movie_id" : "608"
},
{
"rate" : 4,
"movie_id" : "1246"
}
]
},
{
"movie_rate"
浏览 11提问于2017-01-21得票数 0
1回答
与熊猫和娜的点积
、、
我有一个带有Na的pandas数据帧，并想使用dot产品： 以下是MWE： import pandas as pd
import numpy as np
d = {'col1': [np.nan, 2], 'col2': [3, 4]}
weight =[1,2]
df = pd.DataFrame(d)
df.dot(weight) 输出给出了第一行中的NAs。 0 NaN
1 10.0
dtype: float64 忽略df第一行中的Na的方法是什么？ 预期输出应为： 0 6
1 10
dtype: float64
浏览 13提问于2021-05-06得票数 1
4回答
我有以下数据帧
import pandas as pd
import numpy as np
df = pd.DataFrame(data=[['yes',8],['yes',7],['no',np.nan],['yes',7],['no',np.nan]],columns=['passed','score'])
Out[8]:
passed score
0 yes 8.0
1 yes 7.0
2 no NaN
3 yes
浏览 0提问于2018-07-10得票数 3
对于我正在做的一个项目，我目前有3个数据帧。这些是针对产品、客户和订单的。这些的简单版本可以在下面找到，实际的订单框架大约有10.000列。情况如下:产品有不同的价格类别，每个客户对每个类别都有一个特殊的价格。我目前有一个订单数据框架，其中包含订单客户、产品编号、订购产品的数量和日期。 现在我想在order dataframe中的一个新列中添加订单的价格。我设法获得了产品的类别，但我不知道如何从那里开始，甚至不知道是否正确的方式。任何帮助都将不胜感激，在数据帧图片下面，我包含了制作这些样本数据帧的代码。 df_products： ? df_customers： ? df_orde
浏览 17提问于2020-03-21得票数 0
我正在使用一个包含嵌套JSON数据的文件，然后将其转换为pandas数据帧，以便过滤选择。问题是，当它被转换为pandas数据帧时，列名变成了JSON结构规定的{parent}.{child}。当我尝试将数据帧转换回JSON时，一旦过滤操作完成，JSON的嵌套结构就会丢失，剩下的就是下面的内容。有没有可能在转换回JSON时，我不会丢失JSON的嵌套结构？ with open('charts.json', 'r') as file:
charts = json.load(file)
lineChart = pd.json_normalize(charts
浏览 24提问于2020-10-07得票数 1
1回答
我有一个包含Cust_email,visit_date_time, transaction_date_time列的pandas数据帧。Cust_email包含客户的电子邮件id，visit_date_time包含客户访问产品的时间戳，如果客户购买了该产品，则transaction_date_time包含交易时间戳，否则该字段保持为空。
现在，我想对pandas (所有列)进行子集设置，这些列只包含那些至少进行了一次事务的电子邮件I，也就是说，我想要删除所有visit_date_time,transaction_date_time组合中条目为空的所有电子邮件I
浏览 0提问于2015-12-21得票数 0
假设我有一个简单的数据框架，其中包含产品、当前价格和平均价格。我想使用当前价格和平均价格来计算零售价。我的尝试是：
import csv
from pandas import Series, DataFrame
import pandas as pd
import os
frame = pd.read_csv('/ ... /data.csv')
for index, row in frame.iterrows():
product = row['product']
price = row['price']
ave
浏览 2提问于2015-07-21得票数 1
4回答
我在pandas中有以下数据帧
prod S X
a 10 123
b 20 150
b 30 140
a 40 100
Formula for product a and b is as follows
a = IF(S>X, (0.6/100(S-X)),0)
b = IF(S>X, (0.2/100(S-X)),0)
如何根据现有数据框中产品a和b的公式计算new column？
浏览 0提问于2018-09-23得票数 2
2回答
我正在使用一个数据帧，它有不同的产品(每个产品都有不同的产品参考，在这个数据帧中是"PR“)，这些产品都有一个特定的工作时间框架。 import pandas as pd
import numpy as np
np.random.seed(123)
df = pd.DataFrame({
'PR':("1","2","3","4","5","18"),
'StartDate':pd.date_range('1/1/2011'
浏览 30提问于2020-10-15得票数 1
回答已采纳
1回答
我正在尝试在python/pandas/numpy/sklearn中构建一个基于内容的推荐系统。
下面是所涉及的矩阵及其大小：
X: n_customers * n_features (包含每个客户的功能)
Y: n_customers *n_products (包含每个客户对每个产品的评分)
Theta: n_features * n_products
目的是学习Theta，以便能够预测客户对所有产品(X*Theta)的评分。实际上，Y是一个稀疏矩阵，客户得分只占整个产品数量的很小%。这就是为什么Y包含很多NaN值的原因。
这就是我的问题：
这是一个具有多个目标(这里是target=prod
浏览 1提问于2014-04-12得票数 3
我在CSV中有一个数据集，标题为
PRODUCT_ID CATEGORY_NAME PRODUCT_TYPE DISPLAY_COLOR_NAME IMAGE_ID
同一产品具有多行，每行具有不同的image_id。将CSV读取到pandas数据帧时，我将Image Id作为索引列。
我希望通过对product_type或任何其他列中的数据进行分组来创建测试和训练数据集。还要确保相同的数据在测试和训练数据集中不会重复(因为我有多行不同图像的产品)
如何使用sklearn.model_selection.GroupShuffleSplit实现
浏览 1提问于2018-01-18得票数 0
我有这么多行的数据帧和每一行2000列的示例。每一行由一个产品组成，每一列由可能销售的分布中的一个点组成。
如何在2.5%和97.5%的行之外删除每个分发(跨列)的所有点？我想取axis=1的平均值，而不需要数据中的异常值。我需要为每一个产品(行)做这件事。
以下是一些随机数据
import numpy
import pandas
cols = np.random.rand(10, 2000)
df = pd.DataFrame(cols)
我试过：
df.quantile(.025，.975，axis=1)，但这把产品作为栏，只有2.5%和97.5%的价值。
浏览 2提问于2022-09-02得票数 0
回答已采纳
2回答
我有一本字典，字典的格式是：
{'user':{movie:rating} }
例如,
{Jill': {'Avenger: Age of Ultron': 7.0,
'Django Unchained': 6.5,
'Gone Girl': 9.0,
'Kill the Messenger': 8.0}
'Toby': {&
浏览 0提问于2015-10-16得票数 67
回答已采纳
我有一些数据，我想同时显示平均值和计数。
例如，有50人进行了一项调查。他们的名字保存在维度“评估者”中。他们正在品尝几种产品。这些产品保存在维度" products“中
他们回答了4个问题。味道，质地，外观，独特性，都保存在维度“问题”中
实际评分保存在“评分”中。这是一种措施。
我可以很容易地制作一个表格，在行上有评分员，列上有问题，文本中有AVG(评分)。
这向我显示了评分者回答的每个问题的平均得分。
它看起来是这样的：
Joe---------2.2---------4.3--------------3.7-----------------2.4
Bob--------3.0
浏览 6提问于2016-06-24得票数 1
1回答
当我想要将查询到的数据内部连接到pandas数据帧上时，查询SQL (T-SQL)数据库的最有效方法是什么？ 我不知道如何通过PYODBC查询将信息从Python传递到SQL中，所以我目前最好的想法是以一种我知道与我的Python数据帧一致的方式形成查询(即我知道所有的信息都有STARTDATE > 2016，所以我很容易请求它，我知道产品= Private_Car)。但是，如果我使用： SELECT *
FROM rmrClaim
WHERE (PRODUCT = 'Private_Car') AND (YEAR >= 2016) 我仍然会带来远远超过必要的数据
浏览 9提问于2019-03-05得票数 0
1回答
这就是我的数据帧的样子：
library(data.table)
dt <- fread('
Product Score Description
A 1 aapl
A 2 banana
A 3 orange
B 1 coke
B 2 pepsi
C 1 butter
D 1
浏览 4提问于2016-08-10得票数 1
回答已采纳
2回答
在Woocommerce中，我试图为每个产品显示一个报告(HTML表)，如下所示：
基于"“回答代码，该代码以这种方式获得产品的平均评分：
echo products_rating_average_html();
如何获得每个产品的平均评分(…)例如，如果产品有4或5个评论，它会得到他们的平均评分(对每一个产品)。
我也希望得到对每一个产品的评论评论，把它们放在表格中，以及…。
浏览 0提问于2019-04-11得票数 2
回答已采纳
1回答
我有一个具有1mi行和分层索引(国家、州、城市，按此顺序)的pandas数据帧，每行都有一个产品的价格观察。我如何计算每个国家、州和城市的均值和标准差(请记住，由于我的df很大，我正在避免循环)？对于每个级别的均值和标准差，我希望将值保存在此数据框中的新列中，以供将来访问。
浏览 16提问于2017-06-23得票数 1
回答已采纳
1回答
火花数据帧
、、
星火数据帧和Pandas数据帧的区别是什么？我的理解是，Pandas数据框架主要用于将CSV数据读入DF，在DF中，Spark数据帧用于将弹性分布式数据( RDD )加载到数据帧中，并且可以操作数据帧。请分享你的反馈
浏览 6提问于2020-09-01得票数 0
回答已采纳
2回答
我有证券的主要原始数据，我需要在其中创建基于某些筛选标准的多个证券投资组合。我习惯于在C++中工作，不太清楚如何用Python语言实现下面的代码。
我尝试使用嵌套的for循环创建不同的数据帧：
i -用于循环从2007年到2017年的年份(原始数据中的yr列)
j -用于遍历从1到4的区域(原始数据中的列区域)
for i in range (2007, 2018):
for j in range (1,5):
dfij_filter = (df['yr'] == i) & (df['Region'] == j)
浏览 8提问于2018-07-27得票数 2
1回答
Pandas数据帧多个数据库表
、、、、
我有一个API包装器，可以从特定的产品中提取数据。我面临着如何将json数据映射到数据库(postgresql)的问题。我已经阅读了Pandas dataframe，但我不确定这是不是正确的方法。我有几个问题需要帮助。
1)是否可以选择哪些行可以进入数据帧？
2)数据帧内的每一行都需要插入到两个不同的数据库表中。我需要在TableA中插入10列，获得新插入行的id，然后在TableB中插入5列，包括返回的id。我该怎么做呢？
3)是否可以为数据帧中的每一列指定数据类型？
4)是否可以将列名称重命名为数据库字段名称？
5)是否可以遍历特定的列并替换某些数据？
对于我正在尝试实现的目标，有没有可以
浏览 14提问于2020-05-15得票数 1
回答已采纳
1回答
我相信在使用Dask数据帧时，我在Dask教程中看到了一个关于如何使用Dask框架中尚未实现的Pandas函数的建议，但我似乎看错了地方。例如，我想使用Pandas函数'ewm‘。 作为一种变通方法，我将Dask数据帧转换为Pandas数据帧，在Pandas数据帧上运行ewm，然后将它们转换回Dask，以便以后进行更多内存密集型操作。效率不是最高的。 有没有更好的策略呢？
浏览 10提问于2019-06-02得票数 1
回答已采纳
Python数据帧： 我得到了一个包含UserId、MovieId和rating (长度为81116)的数据帧。 ? 我还有一个系列，每个UserId的平均评分(长度为610)。 ? average rating series view 如何将列average_user_rating添加到给出该行中userId的平均评级的数据框中？
浏览 15提问于2019-04-10得票数 0
回答已采纳
假设我是10000美元，我想把它分配给3个产品，这样单个金额的总和就是10000美元。
产品数据帧
product_name active_subscription
Prod1 20
Prod2 30
PROD3 80
因此，单个数量将是：
Prod1=10000*20/(20+50+80)
Prod2=10000*50/(20+50+80)
Prod3=10000*80/(20+50+80)
我怎样才能以最有效的方式使用pandas实现这一点呢？
浏览 16提问于2021-05-26得票数 0
回答已采纳
1回答
这是一个有点奇怪的请求，但我有一个特定的需求，我正在努力解决。
假设我有一个有50列的数据帧。每列的列号(或索引)分别为1:50。有没有一种方法可以给50个列中的每一个分配新的列号？假设我希望第一列的列号为187。这个是可能的吗？
我有一个预测模型，它在构建时会记住用于构建模型的每个变量的列位置，而不是变量名。在我的原始数据集中，我有1,559个变量来构建模型，但只有50个变量被选为最终模型的一部分。然而，该模型将每个变量位置记住为1,559的函数，因此当我对新数据进行评分时，它将查找1559个变量，而不仅仅是我引入评分领域的50个变量。
我已经保存了每个变量的原始位置编号，所以我希望我可以将
浏览 4提问于2017-04-01得票数 0
0回答
对pandas来说相对较新-我有一个包含电影ID、用户ID、评级和日期的数据帧。我已经按用户ID和日期进行了排序，并有下面的数据框架。
我想要的输出是一个csv，每个用户有一行，所有用户评分的电影都是按时间从左到右排序的。例如：
452 4 33 6581
56
121 69 98 802 555
.
.
master_sample.sort_values(['User ID','Date']).groupby('User ID')
但是，在按用户ID分组之后，我得到了一个groupby对象，我不确定如何遍历该对象并将其输出到csv。我尝试
浏览 4提问于2017-06-02得票数 1
回答已采纳
1回答
我在一家小公司工作。该公司在网站上销售产品，他们有一个python脚本，每天运行一次，根据一组参数(谷歌分析事件、类似产品的流行程度、价格等)对每个产品进行评分。
问题是评分结果并不令人满意，并且要求开发人员根据业务人员的假设任意编辑这个脚本是耗时的，而不是实现业务需要的适当方法。
在我看来，理想的解决方案是为业务团队提供一种在GUI中执行评分逻辑的方法，集成他们可以提出的内容，并显示应用修改的即时结果，以便他们能够迭代直到找到正确的模型。
根据您的经验，什么样的工具/服务/库可以轻松地允许非技术用户在一组数据上输入公式，这些数据可以被同步并集成到python脚本中？
浏览 0提问于2021-01-28得票数 0
回答已采纳
1回答
生成用户/项目交互
、、、、
我有一个pandas dataframe (交互数据框)，它的列有User、Item、Rating。
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帧，分别有200个用户和1000个ietms。问题是，在交互数据帧中，我需要每个用户和每个项目组合的评分。如果交互数据框中没有可用于该用户和项目的交互，则用户/项目组合的评级为0。
我尝试过使用这样的循环：
浏览 12提问于2018-08-29得票数 2
回答已采纳
我有两个数据集：
1)产品发布天数
2)正面评论总数
我试图存档的是1-100分，因为一年前发布的产品有+1000个正面评论，而1-2个月前发布的产品已经有+300个正面评论。简而言之，根据“到目前为止已经过去的天数”--“正面评论总数”的值应该下降，给出1-100的评分，以筛选出最有价值的产品。
我甚至不知道如何解决这个问题，请帮帮我。
大约有1000种产品我需要评分，所以我想在Google Sheets中可能会有一个预定义的公式。
示例：
浏览 0提问于2019-02-13得票数 0
1回答
我需要在python中编码一个相似性分数，以便根据电影类型找到匹配的内容。 该比较是为了让1个用户找到他们的二进制类型评分与40,000个电影标题的二进制类型评分数据帧之间的相似性。我需要遍历数据帧，并将每个项目与用户得分进行比较，以找到相似度。 以用户1为例: 0,1,0,0,0,0,1,0,0,0,1,1,0,0,0,1 比较与电影数据帧的相似性：Movies Dataframe 我想为用户和每个标题之间的相似性度量提出一个分数，以便对与用户偏好最相似的标题进行排名。 我发现对于二进制值，汉明距离可能是最好的方法。我如何实现这一点？谢谢
浏览 39提问于2020-10-23得票数 0
我正在尝试用另一个数据帧中的行替换数据帧中的行。我有一个名为'MASTER.xlsx‘的excel文件，其中0列包含所有现有的产品代码，其余的列为空。我还有另一个名为'COUT PROJET - HOTEL VILLE.xlsx‘的excel文件，其中包含第0列中的一些产品代码，其余的列则用值填充。 最后，我希望遍历'MASTER.xlsx‘和'COUT PROJET - HOTEL VILLE.xlsx’文件。当产品代码在两个文件中时，我想将'MASTER.xlsx‘中的相应行替换为'COUT PROJET - HOTEL DE VILLE.
浏览 17提问于2020-07-11得票数 1
我想要跟踪运动器材库存，它由3个数组组成，这些数组包含品牌、产品及其价格，我将它们存储在一个数据框中，并使用FuzzyWuzzy搜索特定的关键字(例如‘'Football')，在我的pandas数据帧中，它应该只显示我的数据帧中的那些元素
有一个结果数组，它由我搜索的关键字的元组组成，以及关键字出现在列表中的概率，所以我只想在结果数据帧中显示这些元素
from fuzzywuzzy import process
from pandas import DataFrame
Brands=['Nike', 'Adidas', 'Nike
浏览 1提问于2019-11-03得票数 0
我正在寻找一种方法来解决以下问题:我的第一个数据帧包含评分，例如，两个主题(主题ID 1和2)在离散的尺度上对两个项目进行评分。
ratings <- data.frame(ID=c(1, 1, 2, 2), item=c(1, 2, 1, 2), rating=c(1, -4, 3, 2))
这将产生以下数据帧：
ID item rating
1 1 1
1 2 -4
2 1 3
2 2 2
然后我有一个选择数据框，例如，两个受试者在两个项目之间选择。
choice <- data.frame(I
浏览 0提问于2015-01-16得票数 0
1回答
我正在创建一个小的Pandas数据帧： df = pd.DataFrame(data={'colA': [["a", "b", "c"]]}) 我把那个df拷贝了一遍。我使用的不是Pandas方法，而是通用Python，对吧？ import copy
df_copy = copy.deepcopy(df) 一个df_copy.head()提供以下内容： ? 然后我将这些值放入字典中： mydict = df_copy.to_dict() 字典看起来是这样的： ? 最后，我删除了列表中的一项： mydict['colA&#
浏览 42提问于2020-01-10得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
