淺談dataframe兩列相乘構(gòu)造新特征
發(fā)布日期:2022-07-18 14:07 | 文章來(lái)源:CSDN
假如我們要構(gòu)建新特征b
目的是從a中篩選出數(shù)值在4~6之間的數(shù)據(jù),如果符合就是True,否則就是False。
那么代碼如下
import pandas as pd lists=pd.DataFrame({'a':[1,2,3,4,5,6,7,8,9]}) lists['b']=(lists['a']<6).mul(lists['a']>4)
補(bǔ)充:dataframe求兩列的相乘,再將輸出為新的一列
看代碼吧~
df["new"]=df3["rate"]*df3["duration"]
new為新的一列的列名
rate和duration為需要相乘的列
加,減,乘,除都適用!
補(bǔ)充:DataFrame衍生新特征操作
1.DataFrame中某一列的值衍生為新的特征
#將LBL1特征的值衍生為one-hot形式的新特征 piao=df_train_log.LBL1.value_counts().index #先構(gòu)造一個(gè)臨時(shí)的df df_tmp=pd.DataFrame({'USRID':df_train_log.drop_duplicates('USRID').USRID.values}) #將所有的新特征列都置為0 for i in piao: df_tmp['PIAO_'+i]=0 #進(jìn)行分組便利,有這個(gè)特征就置為1,原數(shù)據(jù)每個(gè)USRID有多條記錄,所以分組統(tǒng)計(jì) group=df_train_log.groupby(['USRID']) for k in group.groups.keys(): t = group.get_group(k) id=t.USRID.value_counts().index[0] tmp_list=t.LBL1.value_counts().index for j in tmp_list: df_tmp['PIAO_'+j].loc[df_tmp.USRID==id]=1
2.分組統(tǒng)計(jì),選出同一USRID下該變量中出現(xiàn)次數(shù)最多的值項(xiàng)
group=df_train_log.groupby(['USRID']) lt=[] list_max_lbl1=[] list_max_lbl2=[] list_max_lbl3=[] for k in group.groups.keys(): t = group.get_group(k) #通過(guò)value_counts找出出現(xiàn)次數(shù)最多的項(xiàng) argmx = np.argmax(t['EVT_LBL'].value_counts()) lbl1_max=np.argmax(t['LBL1'].value_counts()) lbl2_max=np.argmax(t['LBL2'].value_counts()) lbl3_max=np.argmax(t['LBL3'].value_counts()) list_max_lbl1.append(lbl1_max) list_max_lbl2.append(lbl2_max) list_max_lbl3.append(lbl3_max) #只留下出現(xiàn)次數(shù)最多的項(xiàng) c = t[t['EVT_LBL']==argmx].drop_duplicates('EVT_LBL') #放入list中 lt.append(c) #構(gòu)造一個(gè)新的df df_train_log_new = pd.concat(lt) #另外又構(gòu)造了三個(gè)特征,LBL1-LBL3分別出現(xiàn)次數(shù)最多的項(xiàng) df_train_log_new['LBL1_MAX']=list_max_lbl1 df_train_log_new['LBL2_MAX']=list_max_lbl2 df_train_log_new['LBL3_MAX']=list_max_lbl3
3.衍生出某天是否發(fā)生的ont-hot新特征
#創(chuàng)造臨時(shí)df,星期三,星期六,星期七,都默認(rèn)置為0 df_day=pd.DataFrame({'USRID':df_train_log.drop_duplicates('USRID').USRID.values}) df_day['weekday_3']=0 df_day['weekday_6']=0 df_day['weekday_7']=0 #分組統(tǒng)計(jì),有就置為1,沒(méi)有置為0 group=df_train_log.groupby(['USRID']) for k in group.groups.keys(): t = group.get_group(k) id=t.USRID.value_counts().index[0] tmp_list=t.occ_dayofweek.value_counts().index for j in tmp_list: if j==3: df_day['weekday_3'].loc[df_tmp.USRID==id]=1 elif j==6: df_day['weekday_6'].loc[df_tmp.USRID==id]=1 elif j==7: df_day['weekday_7'].loc[df_tmp.USRID==id]=1
4.查看用戶一共停留在APP上多少秒,共有幾天看了APP
#首先將日期轉(zhuǎn)化為時(shí)間戳,并賦予一個(gè)新特征 tmp_list=[] for i in df_train_log.OCC_TIM: d=datetime.datetime.strptime(str(i),"%Y-%m-%d %H:%M:%S") evt_time = time.mktime(d.timetuple()) tmp_list.append(evt_time) df_train_log['time']=tmp_list #每下一行減去上一行,得到app停留時(shí)間 df_train_log['diff_time']=df_train_log.time-df_train_log.time.shift(1) #構(gòu)造一個(gè)新的dataFrame,分組得到查看app的天數(shù) df_time=pd.DataFrame({'USRID':df_train_log.drop_duplicates('USRID').USRID.values}) #有幾天查看 df_time['days']=0 group=df_train_log.groupby(['USRID']) for k in group.groups.keys(): t = group.get_group(k) id=set(t.USRID).pop() df_time['days'].loc[df_time.USRID==id]= len(t.occ_day.value_counts().index) #去掉一些異常時(shí)間戳,比如間隔兩天的相減,肯定不合適,na的也去掉了 df_train_log=df_train_log[(df_train_log.diff_time>0)&(df_train_log.diff_time<8000)] #累計(jì)停留時(shí)間 group_stayTime=df_train_log['diff_time'].groupby(df_train_log['USRID']).sum() #創(chuàng)造新的df df_tmp=pd.DataFrame({'USRID':list(group_stayTime.index.values),'stay_time':list(group_stayTime.values)}) #合并成一個(gè)新的df df=pd.merge(df_time,df_tmp,on=['USRID'],how='left')#合并后,缺失的停留時(shí)間,置為0df.fillna(0,axis=1,inplace=True)
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持本站。
版權(quán)聲明:本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有,歡迎引用、轉(zhuǎn)載,請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站,禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像,否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái),僅供學(xué)習(xí)參考,不代表本站立場(chǎng),如有內(nèi)容涉嫌侵權(quán),請(qǐng)聯(lián)系alex-e#qq.com處理。
相關(guān)文章