Question

我对熊猫还很陌生，所以请原谅我是否已存在要执行的功能，或者我打算用错误的方式进行操作。

此刻我正在使用两个数据帧：

df_xmlTxt（index = ['curid'，'title'，'text'，'cat']）

df_xmlCategories（index = ['curid'，'cat_1'，'cat_2'，...，'cat_n']   ）

cat是指类别，其中df_xmlTxt中每一行的“ cat”值都是类别列表。

我想将df_xmlCategories数据帧填充到每个类别列的每一行都具有true / false值的地方。

我已经写了一些我认为可以解决问题的代码，但是我遇到了错误。到目前为止，df_xmlCategories是其他数据框的ID列以及附加到此列的类别（其中每个类别列的值为0）的副本。这是最后一行不起作用，我需要更改

# Create categories dataframe for all articles and populate

df_xmlCategories = df_xmlTxt[['curid']].copy()
cat = dict.fromkeys(getAllCats(), 0)
df_xmlCategories = df_xmlCategories.assign(**cat)

# Update all boolean values for every categorys

df_xmlCategories = [[df_xmlCategories.loc[j][curId] = 1 for j in (df_xmlTxt.loc['cat'][curId].values.tolist())] for curId in df_xmlCategories['curId']]

任何建议/不同的处理方式将不胜感激

修改：为了清楚起见，两个表如下所示： df_xmlTxt

df_xmlCategories

我的目标是为该行的curID属于该类别的所有单元格提供一个真实的布尔值

Answer 1

因此，首先需要将cat列表分成几行。我使用了零的答案here。

d = {'curid': [1,3,5], 'cat': [['cat_1','cat_2'], 
                              ['cat_2','cat_3','cat_4'], 
                              ['cat_1','cat_3']]}
df_xmlTxt = pd.DataFrame(data=d)

df_xmlTxt = df_xmlTxt.set_index('curid')
df_xmlTxt = df_xmlTxt.cat.apply(pd.Series)
                         .stack()
                         .reset_index(level=1,drop=True)
                         .to_frame('cat')

您最终得到这个：

        cat
curid   
1      cat_1
1      cat_2
3      cat_2
3      cat_3
3      cat_4
5      cat_1
5      cat_3

您添加了一个虚拟变量value用于pivot。

df_xmlTxt['value'] = 1
df_xmlCategories = df_xmlTxt.pivot(columns='cat', values='value')

然后您通过取反False将空单元格转换为True，而不将空单元格转换为isnull

~df_xmlCategories.isnull()

cat   cat_1   cat_2   cat_3   cat_4
curid               
1     True    True    False   False
3     False   True    True    True
5     True    False   True    False

编辑：考虑到cat是类别列表。

通过在另一个数据框中查找列值来列出理解更新数据框

1 个答案: