Question

我是一个新的Python用户，如果问题看起来很愚蠢，请原谅我。

我有一个.csv格式的数据集，我需要从中创建一个二进制矩阵。它看起来像是：

A (events), B (group1), C (group2), D (group3) 
1           isis        al qaeda
2           al qaeda
3           boko h. 
4           boko h.     al shabaab  isis

我想创建一个二进制矩阵（nxm），其中col A = n，m是B，C，D中包含的唯一元素的列表。因此，我的输出应该如下所示：

A (events), isis, al qaeda, boko h., al shabaab 
1            1      1        0        0
2            0      1        0        0  
3            0      0        1        0      
4            1      0        1        1

矩阵内的元素是[0; 1]。在第一个数据集中为0时，对于事件A（i），未记录特定组，否则为1。

我不知道怎么做......你能帮助我吗？感谢

Answer 1

首先需要读取所有数据并确定唯一条目集。有了这个，您可以创建要使用的列的排序列表。接下来，使用列表推导将数据的每一行写入输出CSV文件，以确定是否存在给定的列条目：

import csv

with open('input.csv', 'rb') as f_input:
    csv_input = csv.reader(f_input)
    header = next(csv_input)
    data = list(csv_input)
    unique = sorted(set(x for row in data for x in row[1:]))

with open('output.csv', 'wb') as f_output:    
    csv_output = csv.writer(f_output)
    csv_output.writerow([header[0]] + unique)

    for row in data:
        csv_output.writerow([row[0]] + [1 if e in row[1:] else 0 for index, e in enumerate(unique)])

这假设您使用的是Python 2.x，并且您的输入CSV数据以逗号分隔。对于Python 3.x，您需要更改两行：

with open('input.csv', 'r', newline='') as f_input:
with open('output.csv', 'w', newline='') as f_output:

从csv数据集

1 个答案: