我有一个CSV文件,其内容包含专家和他/她知道的技能列表,如下所示
0 'Performance' 'Data'
1 'Compiling' 'Algorithms'
3 'Data' 'Algorithms'
我想根据哪位专家掌握哪些技能来创建0-1矩阵
类似
ID Performance Data Compiling Algorithms
0 1 1 0 0
1 0 0 1 1
2 0 1 0 1
然后将这个矩阵存储在像这样的字典中
(0,Performance): 1, (0:Data):1 , (0:Compiling):0, (0:Algorithms):0
(1,Performance): 0, (1:Data):0 , (1:Compiling):1, (1:Algorithms):1
(2,Performance): 0, (2:Data):1 , (2:Compiling):0, (2:Algorithms):1
到目前为止,我的尝试是
df1 = pd.read_csv('Expert_Skill_10KNodes.csv', sep=";")
df2= (df1.iloc[:,0].str.get_dummies(sep=','))
import itertools
Expert_Skill=({(x,y):df2[y][x] for x, y in list(itertools.product(df2.index, df2.columns))})
代码运行没有错误,但是没有产生期望的输出,只是跳过了专家所具备的大多数技能
答案 0 :(得分:0)
要获得所需的输出,您可以先将pd.dummy_values()
应用于每一列,然后按如下所示逐列应用np.sum
。
id skill1 skill2
1 0 'Performance' 'Data'
2 1 'Compiling' 'Algorithms'
3 3 'Data' 'Algorithms'
给出上面的pd.DataFrame
import pandas as pd
dummy_dataframes = [pd.get_dummies(df[skill_col]) for skill_col in ['skill1', 'skill2']
dummy_concat = pd.concat(dummy_dataframes).fillna(0).astype(int)
这将使您更接近一点,但是对于一个ID,您会有多行
'Algorithms' 'Compiling' 'Data' 'Performance'
1 0 0 0 1
2 0 1 0 0
3 0 0 1 0
1 0 0 1 0
2 1 0 0 0
3 1 0 0 0
您现在可以做的只是按列应用np.sum
。
import numpy as np
dummy_concat.reset_index().groupby('index').apply(np.sum, axis=0).drop('index',axis=1)
获得所需的输出。
'Algorithms' 'Compiling' 'Data' 'Performance'
1 0 0 1 1
2 1 1 0 0
3 1 0 1 0