pandas问题

source_data = pd.read_csv('data/ratings.csv')
data = source_data.pivot(index = 'userId', columns = 'movieId', values = 'rating')

foo=DataFrame(np.empty((len(data.index),len(data.index)),dtype=int),index=data.index,columns=data.index)
for i in foo.index:
    for j in foo.columns:
        foo.ix[i,j] = data.ix[i][data.ix[j].notnull()].dropna().count()
请问for循环是什么意思

这程序完整吗，
我感觉是np.empty((len(data.index),len(data.column))....columns=data.columns

还有你的文件是啥样的也不知道

chenmengdan 发表于 2017-5-2 10:28
这程序完整吗，
我感觉是np.empty((len(data.index),len(data.column))....columns=data.columns

程序就是这样的啊

文件是：
userId,movieId,rating,timestamp
1,31,2.5,1260759144
1,1029,3.0,1260759179
1,1061,3.0,1260759182
1,1129,2.0,1260759185
1,1172,4.0,1260759205
1,1263,2.0,1260759151
1,1287,2.0,1260759187
1,1293,2.0,1260759148
1,1339,3.5,1260759125
1,1343,2.0,1260759131
1,1371,2.5,1260759135
1,1405,1.0,1260759203
1,1953,4.0,1260759191
1,2105,4.0,1260759139
1,2150,3.0,1260759194
1,2193,2.0,1260759198
1,2294,2.0,1260759108
1,2455,2.5,1260759113
1,2968,1.0,1260759200
1,3671,3.0,1260759117
2,10,4.0,835355493
2,17,5.0,835355681
2,39,5.0,835355604

hr987987 发表于 2017-5-2 21:49
程序就是这样的啊

文件是：

读取文件经过处理后的data：
movieId  1       2       3       4       5       6       7       8       \
userId                                                                    
1           NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
2           NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
3           NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
4           NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
5           NaN     NaN     4.0     NaN     NaN     NaN     NaN     NaN   
6           NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
7           3.0     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
8           NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
9           4.0     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
10          NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
11          NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
12          NaN     NaN     NaN     NaN     NaN     NaN     NaN     NaN   
13          5.0     NaN     NaN     NaN     NaN     NaN     NaN     NaN   

for循环前的foo：
userId  1    2    3    4    5    6    7    8    9    10  ...   662  663  664  \
userId                                                   ...                  
1         0    0    0    0    0    0    0    0    0    0 ...     0    0    0   
2         0    0    0    0    0    0    0    0    0    0 ...     0    0    0   
3         0    0    0    0    0    0    0    0    0    0 ...     0    0    0   
4         0    0    0    0    0    0    0    0    0    0 ...     0    0    0   
5         0    0    0    0    0    0    0    0    0    0 ...     0    0    0   
6         0    0    0    0    0    0    0    0    0    0 ...     0    0    0   
7         0    0    0    0    0    0    0    0    0    0 ...     0    0    0

foo那一行，foo=pd.DataFrame

以你给的样本，及运行结果来看，好像是统计参与打分的用户人数

foo：
userId   1  2
userId      
1       20  0
2        0  3


foo.ix[i,j] = data.ix[i][data.ix[j].notnull()].dropna().count()，这一条语句我分开来也看不太懂

chenmengdan 发表于 2017-5-3 10:27
foo那一行，foo=pd.DataFrame

以你给的样本，及运行结果来看，好像是统计参与打分的用户人数

是的，就是不知道这句话为什么可以统计参与打分的人数