python - 根据其值的条件在数据框中创建二进制列

Question

我有一个看起来像这样的数据框:

df = pd.DataFrame(np.nan, index=[0,1,2,3], columns=['A','B','C'])
df.iloc[0,0] = 'a'
df.iloc[1,0] = 'b'
df.iloc[1,1] = 'c'
df.iloc[2,0] = 'b'
df.iloc[3,0] = 'c'
df.iloc[3,1] = 'b'
df.iloc[3,2] = 'd'
df

out :   A   B   C
   0    a   NaN NaN
   1    b   c   NaN
   2    b   NaN NaN
   3    c   b   d

我想向其中添加新列，其名称是数据帧内的值(此处 'a','b','c ' 和'd')。这些列是二进制的，反射(reflect)值 'a'、'b'、'c' 和 'd' 在行中。

在一张图片中，我想要的输出是:

        A   B   C    a   b   c   d
   0    a   NaN NaN  1   0   0   0
   1    b   c   NaN  0   1   1   0
   2    b   NaN NaN  0   1   0   0
   3    c   b   d    0   1   1   1

为此，我首先创建填充零的列:

cols = pd.Series(df.values.ravel()).value_counts().index
for col in cols:
    df[col] = 0

(它不会以正确的顺序创建列，但这并不重要)

然后我...在行和列上使用循环...

for row in df.index:
    for col in cols:
        if col in df.loc[row].values:
            df.ix[row,col] = 1

你会明白为什么我正在寻找另一种方法来做到这一点，即使我的数据帧相对较小(76k 行)，它仍然需要大约 8 分钟，这太长了。

有什么想法吗？

Answer 1

您正在寻找get_dummies。这里我选择使用.str version :

df.fillna('', inplace=True)
(df.A + '|' + df.B + '|'  + df.C).str.get_dummies()

输出:

   a  b  c  d
0  1  0  0  0
1  0  1  1  0
2  0  1  0  0
3  0  1  1  1