Question

以下用于实现功能expand_grid（）的网络上的example包含三个变量：身高（2个类别），体重（3个类别），性别（2个类别），总计2 * 3 * 2 = 12个类别。

df={'height': [60, 70],
'weight': [100, 140, 180],
  'sex': ['Male', 'Female']}

在上述对象上运行expand_grid

expand_grid(df)

产生以下结果：

       sex  weight  height
0     Male     100      60
1     Male     100      70
2     Male     140      60
3     Male     140      70
4     Male     180      60
5     Male     180      70
6   Female     100      60
7   Female     100      70
8   Female     140      60
9   Female     140      70
10  Female     180      60
11  Female     180      70

我想对具有以下列（类别）的数据集执行相同的操作：

种族（9），婚姻状况（3），性别（2），年龄（2），西班牙裔（2）。

那是9 * 3 * 2 * 2 * 2 = 216个类别。

我想要以下内容：

Race  Marital_Status Sex Age Hispanic
0 White Married Male Under_18 Hispanic
1 White Married Male Under_18 Non-Hispanic
2 White Married Male Over_18 Hispanic
3 White Married Male Over_18 Non-Hispanic
4 White Married Male Over_18 Hispanic
5 White Married Female Under_18 Hispanic
.
.
.
216 Asian Single Female Over_18 Non-Hispanic

当我尝试运行expand_grid（）时，系统内存不足。

有人告诉我，如果有一种方法可以让Python事先识别出数据类型（例如列表，向量等），那将更快并且计算上也更便宜。有可行的方法来实现这一点吗？

非常感谢！

Answer 1

PSL itertools包可以完成这项工作。

import itertools
import pandas as pd

cat = {
    'C1': ['A', 'B', 'C'],
    'C2': ['A', 'B'],
    'C3': ['A', 'B', 'C', 'D']
}

order = cat.keys()
pd.DataFrame(itertools.product(*[cat[k] for k in order]), columns=order)

它使用类别模式的所有可能组合（笛卡尔积）创建一个DataFrame：

   C1 C2 C3
0   A  A  A
1   A  A  B
2   A  A  C
[...]
22  C  B  C
23  C  B  D

是否有可行的方法在PANDAS中为200多个类别实现expand_grid（）？

1 个答案: