如何將python-pandas的兩個數據框分解？

Question

我有兩個數據幀，一個是用戶 - 項目評級，而另一個是所述物品的側信息：

#df1 
A12VH45Q3H5R5I B000NWJTKW 5.0 
A3J8AQWNNI3WSN B000NWJTKW 4.0 
A1XOBWIL4MILVM BDASK99000 1.0 

#df2 
B000NWJTKW .... 
BDASK99000 .... 

現在我w'd喜歡映射項和用戶的名稱爲整數ID。我知道有一種factorize方式：

df.apply(lambda x: pd.factorize(x)[0] + 1) 

但我想，以確保兩個數據幀中的項目整數是一致的。所以得到的數據幀是：

#df1 
1  1  5.0 
2  1  4.0 
3  2  1.0 

#df2 
1  ... 
2  ... 

你知道如何確保？提前致謝！

Answer 1

級聯這些公共列（多個），並應用在該pd.factorize（或pd.Categorical）：

codes, uniques = pd.factorize(pd.concat([df1['item'], df2['item']])) 
df1['item'] = codes[:len(df1)] + 1 
df2['item'] = codes[len(df1):] + 1 

例如，

import pandas as pd 

df1 = pd.DataFrame(
[('A12VH45Q3H5R5I', 'B000NWJTKW', 5.0), 
('A3J8AQWNNI3WSN', 'B000NWJTKW', 4.0), 
('A1XOBWIL4MILVM', 'BDASK99000', 1.0)], columns=['user', 'item', 'rating']) 

df2 = pd.DataFrame(
[('B000NWJTKW', 10), 
('BDASK99000', 20)], columns=['item', 'extra']) 

codes, uniques = pd.factorize(pd.concat([df1['item'], df2['item']])) 
df1['item'] = codes[:len(df1)] + 1 
df2['item'] = codes[len(df1):] + 1 

codes, uniques = pd.factorize(df1['user']) 
df1['user'] = codes + 1 

print(df1) 
print(df2) 

產生

# df1 
    user item rating 
0  1  1  5 
1  2  1  4 
2  3  2  1 

# df2 
    item extra 
0  1  10 
1  2  20 

---

另一上班途中，解決該問題（如果你有足夠的內存），將兩個DataFrames合併：df3 = pd.merge(df1, df2, on='item', how='outer')，然後比化df3['item']：

df3 = pd.merge(df1, df2, on='item', how='outer') 
for col in ['item', 'user']: 
    df3[col] = pd.factorize(df3[col])[0] + 1 
print(df3) 

產生

user item rating extra 
0  1  1  5  10 
1  2  1  4  10 
2  3  2  1  20