我正在尝试根据yelp数据集构建基于项目的推荐系统.我设法将数据处理到一定程度,使我获得了在给定状态下审查过餐厅的所有用户给出的评分.最终,我想得到一个评分矩阵,其中一个餐厅位于一个轴上,用户位于另一个轴上,中间的评分(1-5)(缺失评论为零).
现在,DF看起来像这样:
user_id review_id business_id stars
0 Xqd0DzHaiyRqVH3WRG7 15SdjuK7DmYqUAj6rjGowg vcNAWiLM4dR7D2nwwJ7nCA 5
1 Xqd0DzHaiyRqVH3WRG7 15SdjuK7DmYqUAj6rjGowg vcNAWiLM4dR7D2nwwJ7nCA 5
2 H1kH6QZV7Le4zqTRNxo RF6UnRTtG7tWMcrO2GEoAg vcNAWiLM4dR7D2nwwJ7nCA 2
3 zvJCcrpm2yOZrxKffwG -TsVN230RCkLYKBeLsuz7A vcNAWiLM4dR7D2nwwJ7nCA 4
4 KBLW4wJA_fwoWmMhiHR dNocEAyUucjT371NNND41Q vcNAWiLM4dR7D2nwwJ7nCA 4
5 zvJCcrpm2yOZrxKffwG ebcN2aqmNUuYNoyvQErgnA vcNAWiLM4dR7D2nwwJ7nCA 4
6 Qrs3EICADUKNFoUq2iH _ePLBPrkrf4bhyiKWEn4Qg vcNAWiLM4dR7D2nwwJ7nCA 1
但我希望它看起来像这样:
(4间餐厅x 5位使用者)
0 4 3 4 5
3 3 3 2 1
1 2 3 4 5
0 5 3 3 4
解决方法:
print (df.pivot(index='business_id', columns='user_id', values='stars').fillna(0))
如果:
ValueError: Index contains duplicate entries, cannot reshape
然后使用pivot_table
:
print (df.pivot_table(index='business_id', columns='user_id', values='stars').fillna(0))
user_id H1kH6QZV7Le4zqTRNxo KBLW4wJA_fwoWmMhiHR \
business_id
vcNAWiLM4dR7D2nwwJ7nCA 2 4
user_id Qrs3EICADUKNFoUq2iH Xqd0DzHaiyRqVH3WRG7 \
business_id
vcNAWiLM4dR7D2nwwJ7nCA 1 5
user_id zvJCcrpm2yOZrxKffwG
business_id
vcNAWiLM4dR7D2nwwJ7nCA 4
但是pivot_table使用aggfunc,默认值是aggfunc = np.mean(如果重复).样本的更好解释是here和docs.