user_id item_id370 293471 380280 100280 118219 118...
列表很长 – 30M行.
我需要找到三个用户访问过的项目的三元组(即所有三个用户都访问了所有三个项目).这种三胞胎很少见.我试图找到的示例结果：
user_id item_id1 151 261 3177 1577 2677 3145 1545 2645 31
有什么好办法呢？我可以使用Pandas或任何其他库.
最佳答案
您可以使用
transform大小,然后按boolean indexing过滤：
print (df)user_id item_id0 1 151 1 262 1 313 77 154 77 265 77 316 45 157 45 268 45 319 370 29310 471 38011 280 10012 280 11813 219 118
print (df.groupby('user_id')['item_id'].transform('size'))0 31 32 33 34 35 36 37 38 39 110 111 212 213 1Name: item_id,dtype: int64print (df[df.groupby('user_id')['item_id'].transform('size') == 3])user_id item_id0 1 151 1 262 1 313 77 154 77 265 77 316 45 157 45 268 45 31
使用filtration的解决方案更慢：
df = df.groupby('user_id').filter(lambda x: len(x.item_id) == 3)print (df)user_id item_id0 1 151 1 262 1 313 77 154 77 265 77 316 45 157 45 268 45 31