我有一个包含170列的csv文件数据集,前5列包含唯一标识符(平台,ID,日期,调用长度,名称)。其余列175包含涵盖10个类别的二进制数据。我想压缩这些列,以便我的数据框中的列数为15.包括下面的示例:
import pandas as pd
df1 = pd.DataFrame({'Platform': ['Telephone', 'Chat', 'Text'], 'ID': [1, 2,
3], 'Length': [1545,1532,1511], 'Name': ['andy', 'helen', 'peter'], 'Problem:
A':[0,1,0], 'Problem: B':[1,0,0], 'Problem: C': [0,0,1], 'Solution: A':
[0,1,0], 'Solution: B':[1,0,0], 'Solution: C': [0,0,1]})
输出结果为:
df.head()
ID Date Length\\
1 2015-10-16 1545
2 2015-10-09 1532
3 2015-10-13 1511
Name Problem: A Problem: B Problem: C Solution: A Solution: B Solution: C
andy 0 1 0 0 1 0
helen 1 0 0 1 0 0
peter 0 0 1 0 0 1
我希望数据框看起来像什么:
Platform ID Length Name Problem Solution
Telephone 1 1545 andy B B
Chat 2 1532 helen A A
Text 3 1511 peter C C
仅供参考,这不是完整的数据框架。我想将总共170个列转换为15个。
答案 0 :(得分:1)
您可以在列上使用带有点积的groupby
+ apply
;
df = df.set_index('Name')
df.groupby(df.columns.str.split(':').str[0], axis=1).apply(
lambda x: x.dot(x.columns.str.split(': ').str[1])
)
Problem Solution
Name
andy B B
helen A A
peter C C
答案 1 :(得分:0)
我创建了这个自定义函数,可以满足您的目的。我从这个stackoverflow article
中得到了这个主意def condenseCols(data,finalCol,*cols):
cols = list(cols)
x = data[cols] # Slice the cols
x = x.idxmax(axis=1)
# x is now a series, holding column name of the max value in the row i.e one of the column from cols
x = x.apply(lambda s : s.split(": ")[1]) # extract only the prefix (A,B,C)
data[finalCol] = x
data = data.drop(cols, axis=1, inplace=True) # Drop the columns : cols
return data
通过传递要冷凝的列名称以及列的最终名称来调用此方法
condenseCols(df1,'Problem','Problem: A','Problem: B','Problem: C')
condenseCols(df1,'Solution','Solution: A','Solution: B','Solution: C')
文章中还提到了其他方法。