Question

我有一个数据集，它是一个标识符ID，以及该数据中某些特征的标志，例如：

In [86]: frame = pd.DataFrame({"key": [1,2,3,4,5,6,7,8,9], "flag1": [0,1,0,1,0,1,0,1,1], "flag2": [0,0,1,1,0,0,1,1,0], "flag3": [0,0,0,0,1,1,1,1,1]}, columns=['key','flag1','flag2','flag3'])

In [87]: frame
Out[87]:
   key  flag1  flag2  flag3
0    1      0      0      0
1    2      1      0      0
2    3      0      1      0
3    4      1      1      0
4    5      0      0      1
5    6      1      0      1
6    7      0      1      1
7    8      1      1      1
8    9      1      0      1

我正在寻找输出一个数据集，它提供了每当两个标志都作为数据透视表得到满足时的计数，例如：

   flags  flag1  flag2  flag3
0  flag1      5      2      3
1  flag2      2      4      2
2  flag3      3      2      5

我想我必须在两个循环上迭代frame.keys()[1:]，但我不知道如何填充第二个数据集。我应该模仿此Google表格中的行为，但我的实际数据集太大而无法使用Sheets / Excel（大约200万行和60列）： https://docs.google.com/spreadsheets/d/1emEm9RtxPAFceUgalCVbzr0mGNoZEMFjWwqSjrxyAuE/edit?usp=sharing

Answer 1

我们删除key，我们不需要它。之后，解决方案几乎是一个矩阵dot产品：

v = frame.drop('key', 1)
v.T.dot(v)

       flag1  flag2  flag3
flag1      5      2      3
flag2      2      4      2
flag3      3      2      5

或者，更有效率，使用del删除key列：

del frame['key']
frame.T.dot(frame)

       flag1  flag2  flag3
flag1      5      2      3
flag2      2      4      2
flag3      3      2      5

枢轴表的countifs（）在熊猫上

1 个答案: