文章/答案/技术大牛

发布

社区首页 >问答首页 >Dataframe中的贝叶斯平均

问Dataframe中的贝叶斯平均
EN

Stack Overflow用户

提问于 2019-01-25 00:16:04

回答 1查看 1.5K关注 0票数 4

我试图根据数据(逐行)提取一系列贝叶斯平均值。

例如，假设我有一系列(0到1)用户对糖果的评级，存储在一个数据文件中，如下所示：

            User1   User2   User3
Snickers    0.01    NaN     0.7
Mars Bars   0.25    0.4     0.1
Milky Way   0.9     1.0     NaN
Almond Joy  NaN     NaN     NaN
Babe Ruth   0.5     0.1     0.3

我想在不同的DF中创建一个列，它表示每个糖果条的贝叶斯平均值。

为了计算BA，我使用了这里提出的方程

S=糖果条的分数
R=用户对糖果条的平均评分
C=所有糖果的用户平均评级
W=分配给R的权重，计算为v/(v+m)，其中v是该糖果条的用户评等数，m是所有糖果条的平均评论数。

我已经把它翻译成python了：

def bayesian_average(df):
    """given a dataframe, returns a series of bayesian averages"""
    R = df.mean(axis=1)
    C = df.sum(axis=1).sum()/df.count(axis=1).sum()
    w = df.count(axis=1)/(df.count(axis=1)+(df.count(axis=1).sum()/len(df.dropna(how='all', inplace=False))))
    return ((w*R) + ((1-w)*C))

other_df['bayesian_avg'] = bayesian_average(ratings_df)

然而，我的计算似乎是错误的，因为我的初始数据中的用户列数在增长，最终计算的贝叶斯平均值也会增长(变成大于1的数字)。

这是我正在使用的基本方程的问题，还是我如何将它转化为python的问题？或者，是否有更简单的方法来处理这个问题(例如，预先存在的包/函数)？

谢谢!

dataframe

bayesian

python

pandas

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-01-25 02:25:38

我从您给出的dataframe作为示例开始：

d = {
    'Bar': ['Snickers', 'Mars Bars', 'Milky Way', 'Almond Joy', 'Babe Ruth'],
    'User1': [0.01, 0.25, 0.9, np.nan, 0.5],
    'User2': [np.nan, 0.4, 1.0, np.nan, 0.1],
    'User3': [0.7, 0.1, np.nan, np.nan, 0.3]
}

df = pd.DataFrame(data=d)

看起来是这样的：

    Bar         User1   User2    User3
0   Snickers     0.01     NaN      0.7
1   Mars Bars    0.25     0.4      0.1
2   Milky Way    0.90     1.0      NaN
3   Almond Joy    NaN     NaN      NaN
4   Babe Ruth    0.50     0.1      0.3

我做的第一件事是创建一个具有用户评论的所有列的列表：

user_cols = []
for col in df.columns.values:
    if 'User' in col:
        user_cols.append(col)

接下来，我发现将贝叶斯平均方程的每个变量作为dataframe中的列或作为独立变量创建是最简单的：

计算每个条形图的v值： df['v'] = df[user_cols].count(axis=1)
计算m的值(在本例中等于2.0 )： m = np.mean(df['v'])
计算每个条形图的w值： df['w'] = df['v']/(df['v'] + m)
并计算每个栏的R值： df['R'] = np.mean(df[user_cols], axis=1)
最后，获取C的值(在本例中等于0.426 )： C = np.nanmean(df[user_cols].values.flatten())

现在我们已经准备好计算每个糖果条的贝叶斯平均分数，S：

df['S'] = df['w']*df['R'] + (1 - df['w'])*C

这给了我们一个数据，如下所示：

    Bar        User1    User2    User3   v    w      R       S
0   Snickers    0.01      NaN      0.7   2  0.5  0.355  0.3905
1   Mars Bars   0.25      0.4      0.1   3  0.6  0.250  0.3204
2   Milky Way   0.90      1.0      NaN   2  0.5  0.950  0.6880
3   Almond Joy  NaN       NaN      NaN   0  0.0    NaN     NaN
4   Babe Ruth   0.50      0.1      0.3   3  0.6  0.300  0.3504

其中，最后一列S包含糖果条的所有S分数。如果需要，可以删除v、w和R临时列：df = df.drop(['v', 'w', 'R'], axis=1)

    Bar        User1    User2    User3        S
0   Snickers    0.01      NaN      0.7   0.3905
1   Mars Bars   0.25      0.4      0.1   0.3204
2   Milky Way   0.90      1.0      NaN   0.6880
3   Almond Joy  NaN       NaN      NaN      NaN
4   Babe Ruth   0.50      0.1      0.3   0.3504

票数 4

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/54357300

复制

相似问题

问Dataframe中的贝叶斯平均
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Dataframe中的贝叶斯平均EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Dataframe中的贝叶斯平均
EN