的Python：如何找到用戶

Question

的三胞胎訪問我有一個包含用戶訪問過的項目對一個CSV文件，如項目的三胞胎：

user_id item_id 
370 293 
471 380 
280 100 
280 118 
219 118 
... 

名單很長 - 30M行。

我需要找到三個用戶訪問的項目的三元組（即，所有三個用戶訪問了所有三個項目）。這樣的三胞胎很少見。示例結果，我試圖找到：

user_id item_id 
1 15 
1 26 
1 31 
77 15 
77 26 
77 31 
45 15 
45 26 
45 31 

什麼是一個很好的方法來做到這一點？我可以使用熊貓或任何其他圖書館。

Answer 1

您可以使用transform與size然後boolean indexing過濾：

print (df) 
    user_id item_id 
0   1  15 
1   1  26 
2   1  31 
3  77  15 
4  77  26 
5  77  31 
6  45  15 
7  45  26 
8  45  31 
9  370  293 
10  471  380 
11  280  100 
12  280  118 
13  219  118 

print (df.groupby('user_id')['item_id'].transform('size')) 
0  3 
1  3 
2  3 
3  3 
4  3 
5  3 
6  3 
7  3 
8  3 
9  1 
10 1 
11 2 
12 2 
13 1 
Name: item_id, dtype: int64 

print (df[df.groupby('user_id')['item_id'].transform('size') == 3]) 
    user_id item_id 
0  1  15 
1  1  26 
2  1  31 
3  77  15 
4  77  26 
5  77  31 
6  45  15 
7  45  26 
8  45  31 

與filtration解決辦法是slowier：

df = df.groupby('user_id').filter(lambda x: len(x.item_id) == 3) 
print (df) 
    user_id item_id 
0  1  15 
1  1  26 
2  1  31 
3  77  15 
4  77  26 
5  77  31 
6  45  15 
7  45  26 
8  45  31