pandas - 如何在 pandas 中应用一种热编码或在 2 列上同时获取虚拟值？

Question

我有以下数据框，其中包含示例值，例如:-

df = pd.DataFrame([["London", "Cambridge", 20], ["Cambridge", "London", 10], ["Liverpool", "London", 30]], columns= ["city_1", "city_2", "id"])

city_1     city_2        id
London     Cambridge     20
Cambridge  London        10
Liverpool  London        30

我需要如下输出数据帧，该数据帧是在将 2 个城市列连接在一起并随后应用一种热编码时构建的:

id London Cambridge Liverpool
20 1       1        0
10 1       1        0
30 1       0        1

目前，我正在使用下面的代码，该代码在某一列上运行一次，请您告知是否有任何 pythonic 方法来获取上述输出

output_df = pd.get_dummies(df, columns=['city_1', 'city_2'])

结果

id city_1_Cambridge city_1_London and so on columns

Answer 1

您可以将参数 prefix_sep 和 prefix 添加到 get_dummies然后，如果只需要 1 或 0 值(虚拟值或指标列)，则使用 max；如果需要计数，则使用 sum 1 值:

output_df = (pd.get_dummies(df, columns=['city_1', 'city_2'], prefix_sep='', prefix='')
               .max(axis=1, level=0))
print (output_df)
   id  Cambridge  Liverpool  London
0  20          1          0       1
1  10          1          0       1
2  30          0          1       1

或者，如果想要处理没有 id 的所有列，则首先将不处理列转换为索引 DataFrame.set_index ，然后使用 get_dummies 和 max 并最后添加 DataFrame.reset_index :

output_df = (pd.get_dummies(df.set_index('id'), prefix_sep='', prefix='')
               .max(axis=1, level=0)
               .reset_index())
print (output_df)
   id  Cambridge  Liverpool  London
0  20          1          0       1
1  10          1          0       1
2  30          0          1       1