Question

我有一个看起来像这样的数据框：

A     B    C

34    x    a
3     y    b
23    y    a
40    x    b

从本质上讲，cols B和C必须成为带有标题B_x，B_y，C_a，C_b的伪变量。该函数几乎与get_dummies（）在熊猫中的工作方式完全相同，但有一个主要区别：对于所有创建的虚拟变量（其中的值为1），我需要将该值设为A列中的值。

A     B_x   B_y  C_a C_b

34    34    0    34  0
3     0     3    0   3
23    0     23   23  0
40    40    0    0   40

我正在处理具有大量类别的相当大的数据。

我尝试在数据集上使用get_dummies（），然后使用df.mask将所有1更改为df.A，但这非常慢（大约10分钟）。

Answer 1

使用pd.get_dummies并广播列A

df2 = pd.get_dummies(df[['B', 'C']]) * df.A.values.reshape([-1,1])

    B_x B_y C_a C_b
0   34  0   34  0
1   0   3   0   3
2   0   23  23  0
3   40  0   0   40

要分配回A，有很多选择。可以做df2['A'] = df['A']或使用pd.concat

pd.concat([df.A, df2], axis=1)

需要帮助来创建伪虚拟变量，该变量使用另一列中的值代替“ 1”

1 个答案: