用数据告诉你如何查找每个机顶盒的偏好频道信息,怎么查找内容偏好

import numpy as npimport pandas as pd

下列数据描述的是每个机顶盒观看各个电视频道的时长，通过这组原始数据，查找出每个机顶盒偏好的频道并进行排序，原始数据如下：

data

目标数据如下：偏好频道1到偏好频道4的排序依据是观看时长降序排列，也就是当前机顶盒观看偏好频道1的时长最长，观看偏好频道4的时长最短，如何才能在原始数据的基础上得到下列数据呢？

思路：实际上，上述两个图表之间的关系可以看成每个机顶盒设备号是一组，然后组内按照时长进行降序排序，排序后，时长列舍弃不要，把频道名称列转换成行即可，按照这个思路，我们一步一步实现。

第一步：按照机顶盒设备号分组，组内按照时长降序排序，这两步可以用一行代码实现，具体如下：

data.groupby(["机顶盒设备号"]).apply(lambda x :x.sort_values("时长",ascending=False))

机顶盒设备号

频道名称

时长

机顶盒设备号

10001

0

10001

东方卫视

1.764052

1

10001

翡翠台

0.400157

10002

3

10002

江苏卫视

2.240893

4

10002

珠江电影

1.867558

2

10002

浙江卫视

0.978738

5

10002

卡酷动画

0.977278

10003

6

10003

湖南卫视

0.950088

9

10003

广东卫视

0.410599

7

10003

中央5台

0.151357

8

10003

北京卫视

0.103219

10004

11

10004

江西卫视

1.454274

10

10004

福建卫视

0.144044

10005

12

10005

河北卫视

0.761038

14

10005

陕西卫视

0.443863

13

10005

河南卫视

0.121675

对上述代码进行简单解释，data.groupby(["机顶盒设备号"])表示对名字为data的数据集进行分组，分组的依据是"机顶盒设备号"这一列，默认把分组依据作为分组数据进行聚合后的行索引（可以通过as_index参数进行设置）。

接下来进行组内排序，对所有小组中的数据进行相同的操作可以通过apply方法实现，apply方法接收的参数是一个函数，目前的需求是组内排序，所以我们传入apply方法中的函数需要具有排序功能。

分组后的每一个小组都是一个小的dataframe，所以apply中接收的函数，得是能够为dataframe排序的函数才行。大家最先想到的可能就是dataframe支持的sort_values方法，但是需要注意的是sort_values是dataframe支持的方法，不是通用函数，不能直接作为参数传递给apply。

既然是对每个小的dataframe按照时长进行排序，我们可以借助匿名函数，匿名函数中的参数就是每个分组，即分组后的小dataframe，用这个小dataframe调用sort_values方法就可以了，注意填写上排序的依据--"时长"，还有排序的方向ascending=False，降序排序。

以上，得到的结果好像没有什么问题，的确实现了组内排序，但是，有一个细节问题，就是索引，从下图可以看出，索引不是组内索引，我们还需要修改索引，即每一组的索引都是从0到n-1。如果不修改索引，每一组的索引都不一样的话，没有办法得到目标的结果（有兴趣的小伙伴可以不修改索引试验一下）。

其实修改组内索引这一步在刚才的代码里添加一个参数即可，在对dataframe进行排序的sort_values方法中，有一个参数ignore_index表示是否忽略原索引，忽略原索引即对组内索引进行重置，所以只需要添加这一个参数就可以了，具体代码及效果如下：

dff = data.groupby(["机顶盒设备号"]).apply(lambda x :x.sort_values("时长",ascending=False,ignore_index=True))dff

第二步：到这一步，已经基本时实现了查找每个机顶盒的偏好频道，但是，这种形式看起来不太直观。

对于我们的目标来说，时长只在排序的时候有作用，所以，在这个表中，有用的只是索引列和频道名称，我们只需要把频道名称从列转换成行即可。这个转换用到的是unstack方法，即把列转换成行。

在转换的时候，不要整个数据集转换，有用的数据提取出来进行转换即可，有用的数据就是索引列和频道名称，提取出来的数据如下：

dff["频道名称"]机顶盒设备号 10001 0 东方卫视 1 翡翠台10002 0 江苏卫视 1 珠江电影 2 浙江卫视 3 卡酷动画10003 0 湖南卫视 1 广东卫视 2 中央5台 3 北京卫视10004 0 江西卫视 1 福建卫视10005 0 河北卫视 1 陕西卫视 2 河南卫视Name: 频道名称, dtype: object

其中机顶盒设备号和rangeindex组成的多重索引，数据只有频道名称，运用unstack把频道名称转换成行数据，代码如下：

dff1 = dff["频道名称"].unstack()dff1

0

1

2

3

机顶盒设备号

10001

东方卫视

翡翠台

NaN

NaN

10002

江苏卫视

珠江电影

浙江卫视

卡酷动画

10003

湖南卫视

广东卫视

中央5台

北京卫视

10004

江西卫视

福建卫视

NaN

NaN

10005

河北卫视

陕西卫视

河南卫视

NaN

第三步：现在只需要按照要求修改列名即可，代码如下：

dff1.columns=["偏好频道1","偏好频道2","偏好频道3","偏好频道4"]dff1

偏好频道1

偏好频道2

偏好频道3

偏好频道4

机顶盒设备号

10001

东方卫视

翡翠台

NaN

NaN

10002

江苏卫视

珠江电影

浙江卫视

卡酷动画

10003

湖南卫视

广东卫视

中央5台

北京卫视

10004

江西卫视

福建卫视

NaN

NaN

10005

河北卫视

陕西卫视

河南卫视

NaN

这样就能直观的看出，每一个机顶盒的偏好频道了。