如何为每个客户使用大熊猫获得产品对

Question

我想获得产品对，其中连续的产品由客户查看，其中第二个产品是第一产品建议的一部分。

例如，客户1查看的产品P1和产品的建议是R1-R2-R3-R4（4种不同的产品）和时间戳T1。

客户1查看的产品P2和产品的建议（P2）为R11-R12-R13-R14和Time Stamp T2。

我们需要C1，P1，P2，其中P2是P1 IE R1/R2/R3/R4

Customer_ID	Product_id（查看）	推荐_items	Time_stamp
1	123	111-098-066-066-555	10-05-2020 10-05-2020
1 111 213-213--213--213--213-213-213-213-213-211 213--2020 1	123	111-098-098-066-555 012-122	10-05-2020
2	213	321-98712-1212-3434-4545	10-05-2020
2	987	98711-4567	10-05-2020

，我们可以从上面的表格中看到客户1（他可以看到1（他） 123）在他的建议中，项目111产品在那里，他还看到了该产品（第二行产品ID）。但是对于客户2而言，这没有发生。结果表看起来像这样：

customer_id	product_id_1（查看）	product_id_2（查看）
1	123	111

任何人都可以提供逻辑或python代码。建议的以下代码甚至是值匹配的部分匹配字符串，但是我们需要匹配整个值。

Answer 1

iiuc，您可以使用正则表达式来重新匹配建议，然后JOIN：

g = df.groupby('customer_id')
regexes = g['product_id(viewed)'].agg(lambda x: '|'.join(x.astype(str)))
matches = (g['recommendation_items']
           .apply(lambda s: s.str.extractall(fr'\b({regexes[s.name]})\b'))
           .droplevel(['customer_id', 'match'])[0]
          )
# 0    111
# 3    987
# Name: 0, dtype: object

out = (df.join(matches.rename('product_id2(viewed)'), how='right')
         [['customer_id', 'product_id(viewed)', 'product_id2(viewed)']]
      )

输出：

   customer_id  product_id(viewed) product_id2(viewed)
0            1                 123                 111
3            2                 987                 987

删除自我建议：

out = (df.join(matches.rename('product_id2(viewed)'), how='right')
         [['customer_id', 'product_id(viewed)', 'product_id2(viewed)']]
         .loc[lambda d: d['product_id(viewed)'].astype(str).ne(d['product_id2(viewed)'])]
      )

输出：输出：

   customer_id  product_id(viewed) product_id2(viewed)
0            1                 123                 111