PPa*_*ker 3 python algorithm match dataframe pandas
我有一个与其他人的数据框。每行都包含表征个人的属性。基本上，我需要权重特定属性的过滤器或匹配算法之类的东西。数据框如下所示：
df= pd.DataFrame({
'sex' : [m,f,m,f,m,f],
'food' : [0,0,1,3,4,3],
'age': [young, young, young, old, young, young]
'kitchen': [0,1,2,0,1,2],
})
数据框df如下所示：
sex food age kitchen
0 m 0 young 0
1 f 0 young 1
2 m 1 young 2
3 f 3 old 0
4 m 4 young 1
5 f 3 young 2
我正在寻找一种算法，将数据帧中的所有人员分组。我的计划是根据以下属性找到两个人对：
一个人必须有厨房（厨房= 1）
。重要的是至少一个人要有厨房。
kitchen = 0->人没有厨房
kitchen = 1->人有厨房
kitchen = 2->人有厨房，但只有在紧急情况下（当没有其他选择时）
相同的食物偏好
食物= 0->肉食者
食物= 1->没关系
食物= 2->素食主义者
食物= 3->素食
食肉者（food = 0）可以与一个不在乎食物偏爱（food = 1）但不能与素食主义者或素食主义者相匹配的人搭配。素食主义者（食物= 2）最适合素食主义者（食物= 3），并且在必要时可以搭配食物= 1。等等...
相似年龄
共有9个年龄段：10-18岁；18-22; 22-26; 26-29、29-34；34-40; 40-45；45-55和55-75。同一年龄段的人匹配得很好。年轻的年龄段与年龄较大的年龄段的匹配度不是很好。相似年龄段的人匹配得更好。没有明确定义的条件。“旧”和“年轻”的含义是相对的。
性别无关紧要。有许多可能的配对组合。因为我的实际数据帧很长（3000行），所以我需要找到一个自动化的解决方案。一种解决方案，可为我提供数据帧或字典或其他内容中的最佳配对。
我真的不知道如何解决这个问题。我一直在寻找Stack Overflow上的类似问题，但没有找到合适的方法。在大多数情况下，这只是理论上的问题。我也找不到任何真正适合我的问题的东西。
我在这里的预期输出是，例如字典（不确定如何）或数据帧，其排序方式是每两行可以看作一对。
背景：目标是结伴参加一些业余活动。因此，我认为处于相同或相似年龄段的人们具有相同的兴趣，因此我想在我的代码中考虑这一事实。
我通过将'name'识别人的身份作为钥匙做了一些补充。
该方法是我对值进行了评分，该值进一步用于根据给定条件过滤最终对。
对于厨房分数，我们使用：
我们检查[记录1的厨房分数] + [记录2的厨房分数]是否大于零。由于将出现以下情况：
对于食物评分，我们使用了：
我们检查，如果* [记录1的比分食品] * [记录2的比分食品] *是大于或等于到零。由于将出现以下情况：
为了给年龄组评分，我们为这些组分配了一些值：
为了计算年龄得分，使用了以下公式：
age_score = round((1 - (abs(Age Group Value Person 1 - Age Group Value of Person 2) / 10)), 2)
在上面的公式中，我们的计算如下：
情况如下：
round(1 - (abs(2 - 2) / 10), 2) = 1.0 round(1 - (abs(8 - 8) / 10), 2) = 1.0 round(1 - (abs(2 - 8) / 10), 2) = 0.4 round(1 - (abs(1 - 9) / 10), 2) = 0.2 为了计算最终分数，我们使用了：
Final Score = Food Score + Kitchen Score + Age Score
然后，我们对最终得分的数据进行了排序，以获得最佳配对。
import pandas as pd
import numpy as np
# Creating the DataFrame, here I have added the attribute 'name' for identifying the record.
df = pd.DataFrame({
'name' : ['jacob', 'mary', 'rick', 'emily', 'sabastein', 'anna',
'christina', 'allen', 'jolly', 'rock', 'smith', 'waterman',
'mimi', 'katie', 'john', 'rose', 'leonardo', 'cinthy', 'jim',
'paul'],
'sex' : ['m', 'f', 'm', 'f', 'm', 'f', 'f', 'm', 'f', 'm', 'm', 'm', 'f',
'f', 'm', 'f', 'm', 'f', 'm', 'm'],
'food' : [0, 0, 1, 3, 2, 3, 1, 0, 0, 3, 3, 2, 1, 2, 1, 0, 1, 0, 3, 1],
'age' : ['10-18', '22-26', '29-34', '40-45', '18-22', '34-40', '55-75',
'45-55', '26-29', '26-29', '18-22', '55-75', '22-26', '45-55',
'10-18', '22-26', '40-45', '45-55', '10-18', '29-34'],
'kitchen' : [0, 1, 2, 0, 1, 2, 2, 1, 0, 0, 1, 0, 1, 1, 1, 0, 2, 0, 2, 1],
})
# Adding a normalized field 'k_scr' for kitchen
df['k_scr'] = np.where((df['kitchen'] == 2), 0.5, df['kitchen'])
# Adding a normalized field 'f_scr' for food
df['f_scr'] = np.where((df['food'] == 1), 0, df['food'])
df['f_scr'] = np.where((df['food'] == 0), -1, df['f_scr'])
df['f_scr'] = np.where((df['food'] == 2), 1, df['f_scr'])
df['f_scr'] = np.where((df['food'] == 3), 1, df['f_scr'])
# Adding a normalized field 'a_scr' for age
df['a_scr'] = np.where((df['age'] == '10-18'), 1, df['age'])
df['a_scr'] = np.where((df['age'] == '18-22'), 2, df['a_scr'])
df['a_scr'] = np.where((df['age'] == '22-26'), 3, df['a_scr'])
df['a_scr'] = np.where((df['age'] == '26-29'), 4, df['a_scr'])
df['a_scr'] = np.where((df['age'] == '29-34'), 5, df['a_scr'])
df['a_scr'] = np.where((df['age'] == '34-40'), 6, df['a_scr'])
df['a_scr'] = np.where((df['age'] == '40-45'), 7, df['a_scr'])
df['a_scr'] = np.where((df['age'] == '45-55'), 8, df['a_scr'])
df['a_scr'] = np.where((df['age'] == '55-75'), 9, df['a_scr'])
# Printing DataFrame after adding normalized score values
print(df)
commonarr = [] # Empty array for our output
dfarr = np.array(df) # Converting DataFrame to Numpy Array
for i in range(len(dfarr) - 1): # Iterating the Array row
for j in range(i + 1, len(dfarr)): # Iterating the Array row + 1
# Check for Food Condition to include relevant records
if dfarr[i][6] * dfarr[j][6] >= 0:
# Check for Kitchen Condition to include relevant records
if dfarr[i][5] + dfarr[j][5] > 0:
row = []
# Appending the names
row.append(dfarr[i][0])
row.append(dfarr[j][0])
# Appending the final score
row.append((dfarr[i][6] * dfarr[j][6]) +
(dfarr[i][5] + dfarr[j][5]) +
(round((1 - (abs(dfarr[i][7] -
dfarr[j][7]) / 10)), 2)))
# Appending the row to the Final Array
commonarr.append(row)
# Converting Array to DataFrame
ndf = pd.DataFrame(commonarr)
# Sorting the DataFrame on Final Score
ndf = ndf.sort_values(by=[2], ascending=False)
print(ndf)
name sex food age kitchen k_scr f_scr a_scr
0 jacob m 0 10-18 0 0.0 -1 1
1 mary f 0 22-26 1 1.0 -1 3
2 rick m 1 29-34 2 0.5 0 5
3 emily f 3 40-45 0 0.0 1 7
4 sabastein m 2 18-22 1 1.0 1 2
5 anna f 3 34-40 2 0.5 1 6
6 christina f 1 55-75 2 0.5 0 9
7 allen m 0 45-55 1 1.0 -1 8
8 jolly f 0 26-29 0 0.0 -1 4
9 rock m 3 26-29 0 0.0 1 4
10 smith m 3 18-22 1 1.0 1 2
11 waterman m 2 55-75 0 0.0 1 9
12 mimi f 1 22-26 1 1.0 0 3
13 katie f 2 45-55 1 1.0 1 8
14 john m 1 10-18 1 1.0 0 1
15 rose f 0 22-26 0 0.0 -1 3
16 leonardo m 1 40-45 2 0.5 0 7
17 cinthy f 0 45-55 0 0.0 -1 8
18 jim m 3 10-18 2 0.5 1 1
19 paul m 1 29-34 1 1.0 0 5
0 1 2
48 sabastein smith 4.0
10 mary allen 3.5
51 sabastein katie 3.4
102 smith jim 3.4
54 sabastein jim 3.4
99 smith katie 3.4
61 anna katie 3.3
45 sabastein anna 3.1
58 anna smith 3.1
14 mary rose 3.0
12 mary mimi 3.0
84 allen cinthy 3.0
98 smith mimi 2.9
105 waterman katie 2.9
11 mary jolly 2.9
50 sabastein mimi 2.9
40 emily katie 2.9
52 sabastein john 2.9
100 smith john 2.9
90 rock smith 2.8
47 sabastein rock 2.8
0 jacob mary 2.8
17 mary paul 2.8
13 mary john 2.8
119 katie jim 2.8
116 mimi paul 2.8
111 mimi john 2.8
103 smith paul 2.7
85 allen paul 2.7
120 katie paul 2.7
.. ... ... ...
该解决方案具有进一步的优化范围。
| 归档时间： |
|
| 查看次数： |
507 次 |
| 最近记录： |