python - 转换 Pandas 数据框

Question

是否有一个 pandas 函数来转换此数据，以便将列显示为 a、b、c、d、e 或数据字段中的任何内容，并在行中计算字母的数量。

import pandas as pd

trans = pd.read_table('output.txt', header=None, index_col=0)

print trans
>>> 
        1  2    3    4
0                     
11      a  b    c  NaN
666     a  d    e  NaN
10101   b  c    d  NaN
1010    a  b    c    d
414147  b  c  NaN  NaN
10101   a  b    d  NaN
1242    d  e  NaN  NaN
101     a  b    c    d
411     c  d    e  NaN
444     a  b    c  NaN

相反，我希望输出是这样的:

        a  b    c     d   e
0                     
11      1  1    1   NaN  NaN
666     1  NaN  NaN   1    1

函数 .stack() 几乎可以完成它，但格式错误。

Answer 1

你也可以使用 Pandas get_dummies()

pd.get_dummies(df.unstack().dropna()).groupby(level=1).sum()

结果:

        a  b  c  d  e
0                    
11      1  1  1  0  0
666     1  0  0  1  1
10101   0  1  1  1  0
1010    1  1  1  1  0
414147  0  1  1  0  0
10101   1  1  0  1  0
1242    0  0  0  1  1
101     1  1  1  1  0
411     0  0  1  1  1
444     1  1  1  0  0

您可以根据需要用 NaN 替换零。

它在一行中有点晦涩。 df.unstack().dropna() 基本上将您的 DataFrame 扁平化为一系列并丢弃所有 NaN。 get_dummies 给出了所有字母出现的表格，但针对的是 unstack DataFrame 中的每个级别。分组和求和然后将索引组合到原始形状。