我有一个小组dataframe，对10年内个人的位置数据进行了大量观察。它看起来像这样：
personid location_1991 location_1992 location_1993 location_1994
0 111 1 1 2 2
1 233 3 3 4 999
2 332 1 3 3 3
3 454 2 2 2 2
4 567 2 1 1 1
我想通过为每种类型的过渡创建变量来跟踪每个人的过渡。每当一个人过渡到每个位置类型时，我都想要一个标记列。理想情况下，这看起来像：
personid transition_to_1 transition_to_2 transition_to_3 transition_to_4
0 111 0 1 0 0
1 233 0 0 0 1
2 332 0 0 1 0
3 454 0 0 0 0
4 567 1 0 0 0
到目前为止，我已经尝试遍历每一行，然后遍历行中的每个元素以检查它是否与前一行相同。这似乎是时间密集的。有没有更好的方法来跟踪数据框每行中值的变化？
答案 0 :(得分：2)
我做了一些组合，首先堆叠这些列，然后沿着它们旋转。
df = pd.DataFrame(pd.read_clipboard())
df2 = pd.DataFrame(df.set_index('personid').stack(), columns=['location'])
df2.reset_index(inplace=True)
df2.reset_index(inplace=True)
df3 = df2.pivot(index='index', columns='location', values='personid')
df3 = df3.fillna(0)
到目前为止，它看起来像这样：
location 1 2 3 4 999
index
0 111 0 0 0 0
1 111 0 0 0 0
2 0 111 0 0 0
3 0 111 0 0 0
4 0 0 233 0 0
5 0 0 233 0 0
6 0 0 0 233 0
7 0 0 0 0 233
8 332 0 0 0 0
9 0 0 332 0 0
10 0 0 332 0 0
11 0 0 332 0 0
12 0 454 0 0 0
13 0 454 0 0 0
14 0 454 0 0 0
15 0 454 0 0 0
16 0 567 0 0 0
17 567 0 0 0 0
18 567 0 0 0 0
19 567 0 0 0 0
df3['personid'] = df3.max(axis=0, skipna=True)
df3 = df3.set_index('personid', drop=True)
df3[df3 > 0] = 1
它就是这样：
location 1 2 3 4 999
personid
111 1 0 0 0 0
567 1 0 0 0 0
567 0 1 0 0 0
332 0 1 0 0 0
233 0 0 1 0 0
233 0 0 1 0 0
233 0 0 0 1 0
233 0 0 0 0 1
332 1 0 0 0 0
332 0 0 1 0 0
332 0 0 1 0 0
332 0 0 1 0 0
454 0 1 0 0 0
454 0 1 0 0 0
454 0 1 0 0 0
454 0 1 0 0 0
567 0 1 0 0 0
567 1 0 0 0 0
567 1 0 0 0 0
567 1 0 0 0 0