我有以下形式的表格：
| 單詞 | 數數 | 特征 |
|---|---|---|
| 我的 | 0 | 代詞 |
| 最喜歡的 | 0 | 喜好 |
| 食物 | 0 | 目的 |
| 是 | 0 | 存在 |
| 冰 | 0 | 點心 |
| 奶油 | 1 | 點心 |
每個表有數千行長。我的目標是在表中找到第 3 列中一組特征計數最高的前 3 組 100 行。例如，我希望能夠說，“我想知道哪 3 組 100 行在第 3 列中“甜點”和“物品”的數量都非常多。” 行不在預設塊中：它可以是行 0-99 或 54-154。輸出應該是一組行索引（例如，4-104）。
我完全不知道如何做到這一點，而沒有在每個可能的 100 行集上創建一些大規模回圈并計算其中的值，這似乎效率低下。我懷疑有某種內置功能可以做到這一點，但我不知道是什么。有什么想法嗎？
uj5u.com熱心網友回復：
你試過groupby() 函式嗎？在這種情況下：
In [1]: df.groupby(["feature", "word"]).size()
Out[2]: word feature
dessert ice 1
cream 1
food object 1
dtype: int64
uj5u.com熱心網友回復：
首先，使用pandas圖書館。它包含您最終會使用的許多函式的矢量化實作，因此它比回圈數百行要快得多。
首先，將 csv 檔案讀入 Pandas 資料幀：
df = pd.read_csv('csv_file.csv')
對于您給定的示例，這會產生一個如下所示的資料框：
word count feature
0 my 0 pronoun
1 favorite 0 preferences
2 food 0 object
3 is 0 being
4 ice 0 dessert
5 cream 1 dessert
現在，定義一個函式，它接受一行，并計算隨后 100 行中關鍵字的出現次數：
def count_in_next_100(row, keyword):
row_index = row.name # Since the index is numeric, row.name will be the row number
# Take the feature column for the next 100 rows
# Check which of these are == keyword, which will give a bunch of True/False
# Then take their .sum(), so you get the number that are True
total = (df.loc[row_index:row_index 100, "feature"] == keyword).sum()
return total # Return this value.
接下來，將此函式應用于每一行的資料框，即 axis=1
count_dessert = df.apply(count_in_next_100, axis=1, args=("dessert",))
然后，count_dessert.idxmax()將為您提供dessert在隨后的 100 行中出現次數最多的行號。我將把“查找前 3 名”部分留給您作為練習，但如果您需要幫助，請告訴我。
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/326231.html