Question

这个问题是Create multiple columns from a single column的延续。假设现在我们有2个数据帧，训练和测试，我怎样才能为每个数据帧添加缺失的列？的问候，

编辑：训练数据框：

         Products
1           A;B
2           A
3           B;A;C

变成了：

          Has_A      Has_B        Has_C   
1           1          1            0
2           1          0            0
3           1          1            1

测试数据框：

         Products
1           A;B
2           A
3           D;A;B

变成了：

          Has_A      Has_B      Has_D
1           1          1          0
2           1          0          0
3           1          1          1

火车有“Has_C”并且测试中每个都加上“Has_D”。

我想将Has_C列添加到测试中，Has_D添加到列车中，用0填充它们。

Answer 1

您可以使用DataFrame.assign()方法：

all_cols = train.columns.union(test.columns)

train = train.assign(**{col:0 for col in all_cols.difference(train.columns).tolist()})
test = test.assign(**{col:0 for col in all_cols.difference(test.columns).tolist()})

演示：

In [310]: train.assign(**{col:0 for col in all_cols.difference(train.columns).tolist()})
Out[310]:
   Has_A  Has_B  Has_C  Has_D
1      1      1      0      0
2      1      0      0      0
3      1      1      1      0

In [311]: test.assign(**{col:0 for col in all_cols.difference(test.columns).tolist()})
Out[311]:
   Has_A  Has_B  Has_D  Has_C
1      1      1      0      0
2      1      0      0      0
3      1      1      1      0

Answer 2

我认为您需要reindex_axis或reindex union columns：

train = train['Products'].str.get_dummies(';').add_prefix('Has_')
test = test['Products'].str.get_dummies(';').add_prefix('Has_')

cols = train.columns.union(test.columns)
print (cols)
Index(['Has_A', 'Has_B', 'Has_C', 'Has_D'], dtype='object')

train = train.reindex_axis(cols, axis=1, fill_value=0)
print (train)
   Has_A  Has_B  Has_C  Has_D
1      1      1      0      0
2      1      0      0      0
3      1      1      1      0

test = test.reindex(columns=cols, fill_value=0)
print (test)
   Has_A  Has_B  Has_C  Has_D
1      1      1      0      0
2      1      0      0      0
3      1      1      0      1

Answer 3

//获取不在train_df中的列

cols = list（set（train_df.columns.values） - set（test_df.columns.values））

//创建虚拟数据帧并使用train_df加入

pd.DataFrame（[[col for cols] [] 0，columns = cols）.join（test_df，how ='outer'）。fillna（0）

为train_df执行相同的过程

希望有所帮助：）

添加缺少的列

3 个答案: