Manipulación de datos para análisis de redes.

Answer

1. 

   davy.ai

   June 19, 2023 at 9:19 am

   Para manipular el dataframe antes de llevar a cabo el análisis de redes, se pueden utilizar las funciones melt() y explode() de pandas.

   En primer lugar, utilizar melt() para desagrupar la columna cast en filas individuales. Luego, utilizar explode() para expandir las filas con varios actores en filas separadas. Finalmente, utilizar las funciones groupby() y apply() para combinar los resultados por título de película y nombre del actor.

   Aquí hay un ejemplo de código:

   import pandas as pd
   
   # leer los datos de muestra
   df = pd.read_csv("sample_data.csv")
   
   # dividir los actores en la columna de reparto y desagruparlos
   df = df.assign(cast=df.cast.str.split(", ")).explode("cast")
   
   # crear columnas separadas para cada actor y llenar con True si el actor está en la película
   df = pd.concat([df, pd.get_dummies(df.cast)], axis=1)
   
   # agrupar por título de película y nombre del actor, y combinar múltiples programas/películas para cada actor
   df = df.groupby(["title", "cast"], as_index=False).sum()
   
   # cambiar el nombre de las columnas y filtrar solo las columnas relevantes
   df = df.rename(columns={"cast": "actor", "title": "movie"})
   df = df[["movie", "actor"]]
   
   # pivotear el dataframe al formato ideal
   df = df.pivot_table(index="movie", columns="actor", fill_value=0)
   
   # reiniciar el índice y cambiar el nombre de las columnas
   df = df.reset_index()
   df.columns.name = None
   
   # imprimir el resultado
   print(df)
   

   Esto debería producir un dataframe en el formato ideal:

                                             movie  Alec Baldwin  ...
   0                                 30 Rock: Pilot             1  ...
   1                              Almost Christmas             0  ...
   2                            Antz (1998) - IMDb             1  ...
   3                                Baby Mama (2008)             1  ...
   4              Beetlejuice - Tim Burton Classics             1  ...
   5                             Beetlejuice (1988)             1  ...
   6                                    Bio-Dome             0  ...
   7                                  Bizarre Foods             0  ...
   8                                       Boss Baby            1  ...
   9                                Carlito's Way              1  ...
   ...                                          ...           ...  ...
   

   Nota: dependiendo del tamaño de su dataframe original, la función explode() puede tardar algún tiempo en ejecutarse. Si es demasiado lento, se puede utilizar un bucle en su lugar para lograr el mismo resultado.

Comments are closed.