如何计算pandas dataframe行的跨表出现概率并新增列
实现方案
核心计算规则匹配
按照目标输出要求,概率的计算粒度为用户维度,规则如下:
- 先统计每个用户的总推送影片数(来自df1)
- 再统计每个用户在df2中出现的次数(即实际从推送清单里观看的影片数)
- 两者相除得到该用户对应的统一概率值,作为该用户名下所有推送条目的概率
- 若用户没有任何实际观看记录,对应所有推送条目的概率直接置为0
注意:不是按单条影片是否在df2中存在来判定0/1值,这点和常规的匹配逻辑有区别,完全对齐示例输出中“未被观看的推送影片也共享同用户的统一概率”的要求
代码实现
import pandas as pd # 构建示例数据 df1 = pd.DataFrame({ "UserID": [1, 2, 2, 2, 3, 5], "Film": [3, 41, 23, 53, 34, 6] }) df2 = pd.DataFrame({ "UserID": [1, 2, 5], "Film": [3, 41, 6] }) # 步骤1:统计每个用户的实际观看次数(按UserID聚合df2) watch_stat = df2.groupby("UserID").size().reset_index(name="watched_total") # 步骤2:统计每个用户的总推送次数(按UserID聚合df1) push_stat = df1.groupby("UserID").size().reset_index(name="push_total") # 步骤3:合并统计结果,计算用户维度的概率,无观看记录的填充0值 user_prob = push_stat.merge(watch_stat, on="UserID", how="left") user_prob["Probability"] = (user_prob["watched_total"] / user_prob["push_total"]).fillna(0).round(2) # 步骤4:将概率匹配回原df1表 df1 = df1.merge(user_prob[["UserID", "Probability"]], on="UserID", how="left")
输出结果验证
运行代码后得到的df1和预期格式完全一致:
UserID Film Probability 0 1 3 1.00 1 2 41 0.33 2 2 23 0.33 3 2 53 0.33 4 3 34 0.00 5 5 6 1.00
内容的提问来源于stack exchange,提问作者star_it8293
相关产品推荐
相关产品推荐

