检查用户ID互动的Pandas资料框中的唯一条目-编程知识-白鹭情

我有这个资料框，它看起来像这样：

user_id ：代表用户

question_id : 代表问题编号

user_answer ：用户从 (A,B,C,D) 中选择了特定问题的选项

正确答案：该特定问题的正确答案是什么

正确：如果 0.0 表示用户回答不正确，如果 1.0 表示用户回答正确

elapsed_time ：它表示用户回答该问题所用的时间（以分钟为单位）

用户身份	问题编号	用户答案	正确答案	正确的	elapsed_time
1	130	一个	乙	0.0	2.00
1	130	乙	乙	1.0	5.00
1	130	乙	乙	1.0	2.00
2	10	C	D	0.0	7.00
2	10	一个	D	0.0	9.00
2	10	乙	D	0.0	13.00
2	10	D	D	1.0	4.00
2	10	D	D	1.0	1.50

我希望另一个资料框看起来像这样

用户身份	尝试的问题	尝试的独特问题	百分比
1	9000	6000	=(6000/13169)*100
2	5000	4800	=(5000/13169)*100
5	12000	10000	=(10000/13169)*100
15	1000	30	=(30/13169)*100
23	255	255	=(255/13169)*100

到目前为止我所做的是

df_total_questions_attempted = df.groupby(['user_iD'], as_index=False , sort=False)['question_id'].count()

df_total_questions_attempted = df_total_questions_attempted.rename(columns={'question_id': 'Total Questions Attempted'})

这给了我尝试的问题列，我如何找到尝试的独特问题列？

对于Unique Questions Attempted列，当用户更正答案时，我需要该唯一条目。

例如：

用户身份	问题编号	用户答案	正确答案	正确的	elapsed_time
1	130	一个	乙	0.0	2.00
1	130	乙	乙	1.0	5.00
1	130	乙	乙	1.0	2.00
2	10	C	D	0.0	7.00
2	10	一个	D	0.0	9.00
2	10	D	D	1.0	4.00
2	10	D	D	1.0	1.50

在这个资料框中：唯一的问题尝试应该考虑用户第一次纠正问题的时间，因为在这种情况下， 用户 1在第二次和第三次尝试中纠正了问题。它应该考虑第二次尝试。用户2也是如此，用户2已经在第三次和第四次尝试中更正了问题，应该考虑第三次尝试

uj5u.com热心网友回复：

创建每首正确答案的辅助柱user_id，并question_id通过链掩码测验==通过Series.eq用DataFrame.duplicated：

df['new'] = df['correct'].eq(1) & ~df.duplicated(['user_id','question_id','correct'])
print (df)
   user_id  question_id user_answer correct_answer  correct  elapsed_time  \
0        1          130           A              B      0.0           2.0   
1        1          130           B              B      1.0           5.0   
2        1          130           B              B      1.0           2.0   
3        2           10           C              D      0.0           7.0   
4        2           10           A              D      0.0           9.0   
5        2           10           B              D      0.0          13.0   
6        2           10           D              D      1.0           4.0   
7        2           10           D              D      1.0           1.5   

     new  
0  False  
1   True  
2  False  
3  False  
4  False  
5  False  
6   True  
7  False

然后对于 countTrue的聚合sum和对于 count 的唯一questions使用DataFrameGroupBy.nunique：

df1 = (df.groupby(['user_id'])
        .agg(**{'Questions Attempted':('question_id','nunique'),
                'Unique Questions Attempted':('new','sum')})
        .reset_index())

最后似乎百分比是必要的除以独特问题的数量：

no_uniq_q = df['correct'].nunique()
df1['Percentage'] = df1['Unique Questions Attempted'].div(no_uniq_q).mul(100)
print (df1)
   user_id  Questions Attempted  Unique Questions Attempted  Percentage
0        1                    1                           1        50.0
1        2                    1                           1        50.0