如何生成带有条件的熊猫数据框基础列表

Question

我在python中有以下列表 movie_list = [11, 21, 31, 41, 51, 62, 55]和以下电影数据框 userId      movieId 1           11 1           21 1           31 2           62 2           55现在我想做的是生成类似的数据帧，其中movieId不在数据帧中，但在movie_list中我想要的数据框是 userId      movieId 1           41 1           51 1           62 1           55 2           11 2           21 2           31 2           41 2           51 我该怎么做pandas？

Answer 1

IIUC，我们可以agg用做list，然后找出 df 中的原始值与movie_list

s=df.groupby('userId').movieId.agg(list).\

    map(lambda x : list(set(movie_list)-set(x))).explode().reset_index()

   userId movieId

0       1      41

1       1      51

2       1      62

3       1      55

4       2      41

5       2      11

6       2      51

7       2      21

8       2      31

Answer 2

prod = pd.MultiIndex.from_product([df.userId.unique().tolist(), movie_list]).tolist()

(

    pd.DataFrame(set(prod).difference([tuple(e) for e in df.values]), 

                 columns=['userId', 'movieId'])

    .sort_values(by=['userId', 'movieId'])

)

userId  movieId

7   1   41

6   1   51

2   1   55

8   1   62

5   2   11

4   2   21

3   2   31

1   2   41

0   2   51

Answer 3

一种方法是用于itertools.product创建userId& movieId、 thenconcat和的所有组合drop_duplicates：

from itertools import product

movie_list = [11, 21, 31, 41, 51, 62, 55]

df_all = pd.DataFrame(product(df['userId'].unique(), movie_list), columns=df.columns)

df2 = pd.concat([df, df_all]).drop_duplicates(keep=False)

print(df2)

[出去]

    userId  movieId

3        1       41

4        1       51

5        1       62

6        1       55

7        2       11

8        2       21

9        2       31

10       2       41

11       2       51

Answer 4

我认为你需要：

 df = df.groupby("userId")["movieId"].apply(list).reset_index()

 df["movieId"] = df["movieId"].apply(lambda x: list(set(movie_list)-set(x)))

 df = df.explode("movieId")

 print(df)

输出：

    userId  movieId

0   1       41

0   1       51

0   1       62

0   1       55

1   2       41

1   2       11

1   2       51

1   2       21

1   2       31