Question

假设我有一个这样的数据框：

name   gender
John    1
Alice   0
Michael 1

我有另一个名为Port的数据点，表明这些人的出发点。端口具有不同的值（例如，1,2 3）。假设John开始使用端口1，Alice安装在2端，迈克尔则在3端。

如何使用pandas获取下表：

name  gender  port1   port2   port3
John    1       1       0       0
Alice   0       0       1       0
Michael 1       0       0       1

修改我现在这样做的方式是每个标签半手动。

port_dict = {'port1': 0, 'port2': 1, 'port3': 2}
for port, num in port_dict.items():    
    train_df[port] = train_df.Embarked[train_df.Embarked==num]
    train_df[port].fillna(0, inplace=True)

但是这给了我在端口{1,2,3}列中的所有0。

EDIT2 实际上，上述解决方案有效。但是有更好的方法吗？

Answer 1

不确定Embarked上train_df属性的来源。这是我解决问题的方法，不知道它是否可以被描述为更好的方式。

import pandas as pd

df = pd.DataFrame({'name': ['John', 'Alice', 'Michael'], 
              'gender': [1, 0, 1], 'port_num': [1, 2, 3] })

for i in set(df.port_num.values):    
    df['port{0}'.format(i)] = (df.port_num == i).astype(int)

这显然不适用于名称比port1更有意义的端口，您需要port_num列作为端口名称字符串，或者像中那样构建字典修改

Answer 2

我使用以下一组功能：

def discrim(row, catField, cat, srcField):
    if srcField in row:
        if row[catField]==cat:
            return row[srcField]
        else:
            pass
    else:
        if row[catField]==cat:
            return srcField
    return 0

def CatToAtt(data, source, catField):
    clist = list(data[catField].unique())
    for a in clist:
        data['_att_' + str(a)] = data.apply(lambda x: discrim(x,catField, a, source), axis=1)
    return clist

def getAtts(data):
    alist = []
    for a in data.columns:
        if "_att_" in a:
            alist.append ( a)
    return alist

使用CatToAtt将包含分类数据的字段转换为一组包含二进制{1,0}的字段，以识别该行是否属于特定类别类型。它对于为随机森林或其他统计/机器学习过程准备数据非常有用。

例如，假设我有一个名为＆＃34; Port＆＃34;其中包含来自[＆＃34;伦敦＆＃34;，＆＃34;南安普顿＆＃34;，＆＃34;瑟堡＆＃34;，＆＃34;皇后镇＆＃34;]的值，名为泰坦尼克号。我可以运行以下内容：

CatToAtt(titanic, 1, "Port")

这会将以下列添加到泰坦尼克数据框

["_att_London", "_att_Southampton", "_att_Cherbourg", "_att_Queenstown"]

如果与＆＃34; Port＆＃34;匹配，则每个填充1;列和相应的类别值，如果不是，则为0。

如果稍后，您希望快速获取以这种方式创建的所有列的列表，只需调用getAtts以返回列表（它假定没有人将使用＆＃34; att ＆＃34;这里使用的命名约定 - 相当安全，但如果遇到一些例外情况可以编辑）

您可能尝试的替代方案可能是：

def CatToAttAlternative(data, source, catField):
    clist = list(data[catField].unique())
    for a in clist:
        data[str(catField) + str(a)] = data.apply(lambda x: discrim(x, catField, a, source), axis=1)
    return clist

有效地做同样的事情，只是使用命名约定，使用source-column-name作为前缀而不是＆＃34; att ＆＃34;如果应用于您的示例，则应返回与您的示例更匹配的结果（即{Port1，Port2，Port3}之一等）

希望有所帮助，如果我能进一步解释，请告诉我。

pandas dataframe基于标签添加新列

2 个答案: