Pandas 基于系列内容和数据帧生成布尔数据帧

我有：

 df = pd.DataFrame(
        [
            [22, 33, 44],
            [55, 11, 22],
            [33, 55, 11],
        ],
        index=["abc", "def", "ghi"],
        columns=list("abc")
    ) # size(3,3)

以及：

然后，我基于

unique

和

df

创建一个新的df，以便：

df_new = pd.DataFrame(index=unique, columns=df.columns) # size(5,3)

从这个新创建的df中，我想基于

unique

和

df

创建一个新的布尔df，因此最终结果是：

 df_new = pd.DataFrame(
        [
            [0, 1, 1],
            [1, 0, 1],
            [1, 1, 0],
            [0, 0, 1],
            [1, 1, 0],
        ],
        index=unique,
        columns=df.columns
    ) 

这个新的df要么为真，要么为假，这取决于该值是否存在于原始数据帧中。例如，第一列有三个值：[22、55、33]。在尺寸为（5,3）的df中，第一列为：[0,1,1,0,1]，即[0,22,33,0,55]

我尝试了

filter2=unique.isin（df）

，但这不起作用，也不为空。我尝试应用筛选器，但返回的维度不正确。如何执行此操作？

与一起使用，然后通过检查是否缺少值，将

True->1

和

False->0

映射转换为整数，最后通过以下方式删除索引和列名：

辅助系列不是必需的，但如果有更多值或辅助系列需要更改顺序，请使用“添加”：

---

太好了，正是我想要的。谢谢

 df_new = pd.DataFrame(
        [
            [0, 1, 1],
            [1, 0, 1],
            [1, 1, 0],
            [0, 0, 1],
            [1, 1, 0],
        ],
        index=unique,
        columns=df.columns
    ) 

df_new = (df.stack()
            .reset_index(name='v')
            .pivot('v','level_1','level_0')
            .notna()
            .astype(int)
            .rename_axis(index=None, columns=None))
print (df_new)
    a  b  c
11  0  1  1
22  1  0  1
33  1  1  0
44  0  0  1
55  1  1  0

#added 66
unique = pd.Series([11, 22, 33, 44, 55,66])

df_new = (df.stack()
            .reset_index(name='v')
            .pivot('v','level_1','level_0')
            .reindex(unique)
            .notna()
            .astype(int)
            .rename_axis(index=None, columns=None))
print (df_new)
    a  b  c
11  0  1  1
22  1  0  1
33  1  1  0
44  0  0  1
55  1  1  0
66  0  0  0