我們在數(shù)據(jù)處理的時候可能會需要構(gòu)造一些新特征。在使用pandas的時候我們可以使用dataframe兩列相乘來構(gòu)造一個新特征。接下來這篇文章我們就來看看如何使用dataframe的兩列相乘構(gòu)造一個新特征吧。
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)造一個臨時的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
#進行分組便利,有這個特征就置為1,原數(shù)據(jù)每個USRID有多條記錄,所以分組統(tǒng)計
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,選出同一USRID下該變量中出現(xiàn)次數(shù)最多的值項
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value_counts找出出現(xiàn)次數(shù)最多的項
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
c = t[t['EVT_LBL']==argmx].drop_duplicates('EVT_LBL')
#放入list中
lt.append(c)
#構(gòu)造一個新的df
df_train_log_new = pd.concat(lt)
#另外又構(gòu)造了三個特征,LBL1-LBL3分別出現(xiàn)次數(shù)最多的項
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,有就置為1,沒有置為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)化為時間戳,并賦予一個新特征
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停留時間
df_train_log['diff_time']=df_train_log.time-df_train_log.time.shift(1)
#構(gòu)造一個新的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)]
#累計停留時間
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)})
#合并成一個新的df
df=pd.merge(df_time,df_tmp,on=['USRID'],how='left')#合并后,缺失的停留時間,置為0df.fillna(0,axis=1,inplace=True)
以上就是使用dataframe兩列相乘來構(gòu)造一個新特征的全部內(nèi)容,希望能給大家一個參考,也希望大家多多支持W3Cschool。