You need to enable JavaScript to run this app. Pandas 如何按标签计数合并同特征的冲突行?
优惠活动
大模型
产品
解决方案
定价
更多

Pandas 如何按标签计数合并同特征的冲突行?

冲突标签数据聚合实现方案

现有代码的修正点

  • 拼写误差修正:groupy 替换为正确的 groupby,as_index=Fasle 替换为正确的 as_index=False
  • 原有流程的断点:单独生成的冲突特征筛选表、标签计数表是两个独立数据对象,未做关联整合,无法直接得到带完整计数的冲突行数据集

生成带计数的冲突行表df_conflict

实现逻辑:

  1. 筛选冲突特征:按feature对原始数据分组,统计每个特征下的去重标签数量,仅保留去重标签数为2的特征(即同时出现0、1两类标签,符合冲突特征定义)
  2. 关联整合:将全量标签计数统计表与上述筛选出的冲突特征列表做内连接,仅保留冲突特征对应的标签计数行,即得到覆盖所有冲突行计数的df_conflict。

对应可直接运行的代码:

import pandas as pd

# 加载示例数据
df = pd.DataFrame({"feature":['a','a','b','b','a','c','c','d'],'label':[1,0,0,1,1,0,0,1]})

# 步骤1:筛选冲突特征
conflict_features = df.groupby('feature', as_index=False)['label'].nunique()
conflict_features = conflict_features[conflict_features['label'] == 2][['feature']]

# 步骤2:统计全量特征的标签出现计数
count_df = df.groupby("feature")["label"].value_counts().reset_index(name="counts")

# 内连接生成完整冲突计数表
df_conflict = count_df.merge(conflict_features, on='feature', how='inner')

示例数据运行后得到的df_conflict仅包含冲突特征a、b的计数行,结构为:

featurelabelcounts
a12
a01
b01
b11

完全匹配预期范围。

按频次规则生成最终聚合表df_merged

遵循判定规则:某特征下标签1的出现次数更多则最终标签为1,其余情况(标签1次数更少、与标签0次数相等)最终标签为0,实现逻辑:

  1. 对计数表做透视转换,得到每个特征下标签0、1各自的累计出现次数
  2. 逐行对比两类标签的计数,按照规则判定最终标签,整理为统一格式的结果表。

对应代码:

# 透视得到每个特征的两类标签计数,缺失值补0
pivot_count = count_df.pivot(index='feature', columns='label', values='counts').fillna(0).reset_index()
# 按规则判定最终标签:仅当1的计数严格大于0时取1,其余取0
pivot_count['label'] = (pivot_count[1] > pivot_count[0]).astype(int)
# 整理为最终df_merged格式
df_merged = pivot_count[['feature', 'label']]

示例数据运行后得到的df_merged结果:

featurelabel
a1
b0
c0
d1

其中a的标签1出现2次多于1次的标签0,取1;b的两类标签各出现1次,按规则取0;无冲突的c、d保留自身原标签。

内容的提问来源于stack exchange,提问作者Whisht

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.07 18:54:03