在熊猫数据框架中寻找邻居。

Question

我有一个自行车的数据集，其中有商店、销售地点和自行车型号的一些信息列。我需要比较每个商店的型号的销售数量。. 为此，我需要做以下工作。

• 把自行车按商店分组

  groups = df.groupby('store_id')

• 然后，对于该店的每个型号，我需要找到有相似特征的型号。也就是相似的高度、长度、重量等。为此，我设置了一个10%的差异边界，也就是说，如果两款车型的重量差异小于10%，那么另一款车型就是一个可比的邻居。

• 最后，对于每个型号，我想看看它在竞争对手中的排名，如果它的表现优于50%的竞争对手，就给它一个 "畅销 "的标签。

问题是 我不知道怎么做第二步和第三步。. 有谁有办法吗？我看了一下pandas文档中的Groupby.Transform，但我不知道它在整个画面中的位置。

如果能得到您的帮助，我将非常感激

Answer 1

试试这个。

import pandas as pd
import numpy as np


def sales_rank(x, df):
    df_ns = df.set_index('id')
    df_ns = df_ns.loc[x.neighbors, 'sales']
    df_ns.sort_values(ascending=False, inplace=True)
    df_ns = df_ns.reset_index()
    return df_ns[df_ns.id == x.id].index[0]


df = pd.DataFrame(data={'id': range(5), 'weight': [20, 21, 23, 43, 22], 'sales':[200, 100, 140, 100, 100]})
df['neighbors'] = df.weight.apply(lambda x: df.id[np.isclose(df.weight.values, x, rtol=0.10)].values)
df['sales_rank_in_neighborhood'] = df.apply(lambda x: sales_rank(x, df) , axis=1)
df['top_seller'] = df.apply(lambda x: x.sales_rank_in_neighborhood < len(x.neighbors)//2, axis=1)
print(df)

输出

   id  weight  sales     neighbors  sales_rank_in_neighborhood  top_seller
0   0      20    200     [0, 1, 4]                           0        True
1   1      21    100  [0, 1, 2, 4]                           3       False
2   2      23    140     [1, 2, 4]                           0        True
3   3      43    100           [3]                           0       False
4   4      22    100  [0, 1, 2, 4]                           2       False

请注意，在单元素街区没有顶级卖家。根据自己的目的调整规则。

希望对大家有所帮助!

编辑

我增加了一个组的解决方案，多个规则定义邻里关系和固定销售排名的实现。

import pandas as pd
import numpy as np


def ns(x, df):
    weight_rule = np.isclose(df.weight.values, x.weight, rtol=0.10)
    gear_rule = df.gear == x.gear
    type_rule = df.type == x.type
    return df.id[np.logical_and.reduce((weight_rule, gear_rule, type_rule))].values


def sales_rank(x, df):
    df_ns = df.set_index('id')
    df_ns = df_ns.loc[x.neighbors, 'sales']
    df_ns.sort_values(ascending=False, inplace=True)
    df_ns = df_ns.reset_index()
    return df_ns[df_ns.id == x.id].index[0]


df = pd.DataFrame(data={'store_id': [0, 1, 0, 1, 0], 'id': range(5), 'weight': [20, 21, 23, 43, 22], 'gear': [3, 3, 3, 7, 3], 'type':['mountain', 'mountain', 'mountain', 'bmx', 'mountain'], 'sales':[200, 100, 140, 100, 100]})
# Columns for results
df['neighbors'] = ''
df['sales_rank_in_neighborhood'] = ''
df['top_seller'] = ''
groups = df.groupby('store_id')

for _, g in groups:
    df_temp = df.loc[g.index, :]
    df_temp.neighbors = df_temp.apply(lambda x: ns(x, df_temp), axis=1)
    df_temp.sales_rank_in_neighborhood = df_temp.apply(lambda x: sales_rank(x, df_temp), axis=1)
    df_temp.top_seller = df_temp.apply(lambda x: x.sales_rank_in_neighborhood < len(x.neighbors)//2, axis=1)
    df.loc[g.index, :] = df_temp

print(df)

输出

   store_id  id  weight  gear      type  sales  neighbors sales_rank_in_neighborhood top_seller
0         0   0      20     3  mountain    200     [0, 4]                          0       True
1         1   1      21     3  mountain    100        [1]                          0      False
2         0   2      23     3  mountain    140     [2, 4]                          0       True
3         1   3      43     7       bmx    100        [3]                          0      False
4         0   4      22     3  mountain    100  [0, 2, 4]                          2      False

我想应该有一种方法可以避免在组上循环，但这似乎可以做到这一点。