遍历 pandas Dataframe/Series 的特定列

Question

我正在执行一篇研究论文，其中我必须根据食材对菜肴进行分类。提供了成分训练数据集和测试数据集。一切正常。根据 SGD、RandomForest 和朴素贝叶斯之间的准确性，使用最佳方法对模型进行了训练。我正在使用随机森林，因为它的准确性优于 NB 和 SGD。测试数据集已经过测试，预测工作绝对正常。现在我想通过手动输入（使用 python 的 input() ）成分来预测美食。当我尝试在此处命名为 Y = train_data['all_ingredients'] OR Y = train_data['ingredients'] 的 pandas 中搜索 series/Dataframe 时，问题就来了。


def check_ing(ing):
    if ing in train_data['all_ingredients'].values:
        return True
    return False


no_of_ingredients = input("Total Number Of Ingredients: ")
no_of_ingredients = int(no_of_ingredients)
ingredient = []
for i in range(no_of_ingredients):
    ing = input("Enter Ingredient " + str(i) + " : ")
    if check_ing(ing) is True:
        ingredient.append(ing)

print(ingredient)

问题出在函数check_ing(ing)的if语句中。如何改进搜索用户输入的成分是否有效。

Y.head() 的结果是：

Answer 1

我认为这回答了您的问题，如果输入不在成分列中，它将无效，您可能需要更改 if

的第一部分

编辑：没有测试，这应该可以。编辑 2：搞砸了复制和粘贴。

all_ing = [item for sublist in train_data["Ingredients"] for item in sublist]

def check_ing(ing):
    if ing in all_ing:
            return True
    else:
        print("invalid ingredient")
        return False 

no_of_ingredients = input("Total Number Of Ingredients: ")
no_of_ingredients = int(no_of_ingredients)
ingredient = []

for i in range(no_of_ingredients):
    ing = input("Enter Ingredient " + str(i) + " : ")
    tf = check_ing(ing)
    if tf is True:
        ingredient.append(ing)

print(ingredient)

Answer 2

不是一个完整的答案，但您可以改进的一件事是使用 set 而不是 Series:

valid_ing = set(train_data['Ingredients'])

def check_ing(ing):
    return  ing in valid_ing

测试样本：

d = [''.join(np.random.choice(list('abcdefghijklmn'), 10, replace=True)) for _ in range(1000)]
s = pd.Series(d)

%%timeit
'abc' in s
# 4.3 µs ± 365 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

valid_ing  = set(s)
%%timeit
'abc' in valid_ing 
# 155 ns ± 15.7 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

遍历 pandas Dataframe/Series 的特定列

Iterate thorugh a particular column of pandas Dataframe/Series

python

pandas

countvectorizer