Question

给定大的excel数据（xlsx，csv或xls），可以对事物进行分组，然后将其作为特征矩阵，如下例所示。

采取：

DataFrame1：

Name         No.        Comment    
Bob        2123320     Doesn't Matter   
Joe        2832883     Whatever           
John       2139300     Irrelevant        
Bob        2123320     Something          
John       2234903     Regardless

DataFrame2：

Name          No.          Report    
Bob        2123320         Great 
Joe        2832883         Solid           
John       2139300        Awesome        
Bob        2123320         Good          
John       2234903        Perfect

我基本上正在寻找一种方法，只选择一个名称出现两次的号码，然后列出一个特征矩阵，以查看特定的评论/报告是否出现在这个号码上，就像这样：

Name Irrelevant Whatever Regardless Awesome Solid Perfect  Irrelevant \
John    1          0       0          1      0     0         0
Name Whatever Regardless Awesome Solid Perfect  
John    0       1         0        0      1

所以基本上它会查找每个名称，然后对于每个名称，它会查看它有多少不同的号码，并且对于每个不同的号码，它会搜索＆＃34;注释＆＃34;和＆＃34;报告＆＃34;是的，然后是一些具体的评论 {不相关，无论如何，无论如何}和报告{Awesome，Solid，Perfect}它会检查它是否出现。如果是，则输出1，如果不是，则在如上所述的excel表中输出0。虽然Bob出现了两次，但由于两次他都有相同的号码，所以不算数，John是唯一的相关人物。因此，对于约翰的第2139300号而言，他对于无关紧要和令人敬畏的人而言，并且对于他的第2234903号而言，无论如何都是完美无缺的。

新：

.      -----------------------2139300---------------------  2234903----                    
Name Irrelevant Whatever Regardless Awesome Solid Perfect  Irrelevant \
John    1          0       0          1      0     0         0
      --------------------2234903-------------
Name Whatever Regardless Awesome Solid Perfect  
John    0       1         0        0      1

此外，由于格式化有点奇怪，我的意思是将它全部放在一行。

澄清：这看起来很相似，但与我之前提出的问题不同。我已经为这个问题创建了一个新问题，因为我已被告知要这样做。

非常感谢你。

Answer 1

您可以尝试这样的事情：

首先重命名＆＃39;报告＆＃39;列到＆＃39;评论＆＃39;对齐concat的数据帧：

df_out = pd.concat([df1,df2.rename(columns={'Report':'Comment'})],ignore_index=False)

过滤具有多个号码的名称的数据帧，然后使用get_dummies：

df_out[df_out.groupby(['Name'])['No.'].transform(lambda x: x.nunique() > 1)]\
   .set_index('Name')['Comment'].str.get_dummies().sum(level=0)\
   .reindex(df_out.Comment, fill_value=0, axis=1)

输出：

Comment  Doesn't Matter  Whatever  Irrelevant  Something  Regardless  Great  \
Name                                                                          
John                  0         0           1          0           1      0   

Comment  Solid  Awesome  Good  Perfect  
Name                                    
John         0        1     0        1

Python中的分组特征矩阵

1 个答案: