我有一个100个问题和50个用户ID的答案的数据框.每行代表来自特定用户的单个问题.桌子看起来像这样.
user_id | question_id | tiMetaken | answer_1 | answer_2 |
1015 | 1 | 30 | A | C |
1015 | 2 | 45 | B | B |
1016 | 1 | 15 | A | A |
1016 | 2 | 55 | A | D |
我试图过滤掉未完成测试的用户.我的想法过程是计算每个用户在表中出现的次数,如果user_id 1015在user_id列中出现100次,我知道他们完成了100个问题.不幸的是,由于问题是随机的,因此我无法使用question_id进行过滤,因此用户可以回答5个问题,其中一个问题的question_id = 100.
我以为这是我的solution,但无法计算出user_id的出现次数.
解决方法:
df1 = df.groupby('user_id').filter(lambda x: len(x) > 100)
m = dict(zip(*np.unique(df.user_id, return_counts=True)))
df[df['user_id'].map(m) > 100]