Python 3.x 使用权重创建分类数据

我有一个

数据帧

，如下所示：

>>> df=pd.DataFrame(np.array([['user1', 1, 10], ['user1', 2, 25], ['user2', 2, 20], ['user3', 3, 30], ['user4', 3, 50]]), columns=['UserId', 'Dim', 'Count'])
>>> df
  UserId Dim Count
0  user1   1    10
1  user1   2    25
2  user2   2    20
3  user3   3    30
4  user4   3    50

我想使用

Dim

列作为维度，为此我正在做：

>>> df_cat = pd.get_dummies(df, columns=['Dim'])
>>> df_cat
  UserId Count  Dim_1  Dim_2  Dim_3
0  user1    10      1      0      0
1  user1    25      0      1      0
2  user2    20      0      1      0
3  user3    30      0      0      1
4  user4    50      0      0      1

但是，我不想将

0

或

1

，而是想将

Count

列中的值关联为权重，即，我的预期输出应该如下所示：

  UserId Count Dim_1 Dim_2 Dim_3
0  user1    10    10     0     0
1  user1    25     0    25     0
2  user2    20     0    20     0
3  user3    30     0     0    30
4  user4    50     0     0    50

目前，我正在使用

for

循环来实现这一点：

for i, row in df_cat.iterrows():
    for col in df_cat.columns:
        if(row[col] == 1):
            df_cat.loc[i, col]=df_cat.Count[i]

请告诉我是否有更好的方法来执行此操作，而不是对循环使用2个

，因为循环需要时间，因为实际的数据集非常大。
用于重塑形状并添加到原始数据：

您的解决方案应使用以下方法更改：仅添加列和按列计数的列，但必须转换为整数：

df_cat = pd.get_dummies(df, columns=['Dim'])

c = df_cat.columns.str.startswith('Dim')
df_cat.loc[:, c] = df_cat.loc[:, c].mul(df['Count'].astype('int'), axis=0)
print (df_cat)
  UserId Count  Dim_1  Dim_2  Dim_3
0  user1    10     10      0      0
1  user1    25      0     25      0
2  user2    20      0     20      0
3  user3    30      0      0     30
4  user4    50      0      0     50


感谢您的快速响应。对于我的实际数据集，这两种方法都遇到了内存问题<代码>for

循环也需要时间，但似乎比这两种方法都要快。@sud29-你能检查一下

df_cat.loc[：，c]=df_cat.loc[：，c]*df['Count'].values.astype（'int'）[：，None]

而不是最后一行代码吗？它仍然在崩溃，我想知道是否有办法使用稀疏矩阵来完成它。@sud29-什么失败了

pd.get_dummies（df，columns=['Dim']）

？

df_cat = pd.get_dummies(df, columns=['Dim'])

c = df_cat.columns.str.startswith('Dim')
df_cat.loc[:, c] = df_cat.loc[:, c].mul(df['Count'].astype('int'), axis=0)
print (df_cat)
  UserId Count  Dim_1  Dim_2  Dim_3
0  user1    10     10      0      0
1  user1    25      0     25      0
2  user2    20      0     20      0
3  user3    30      0      0     30
4  user4    50      0      0     50

df_cat = pd.get_dummies(df, columns=['Dim'])

c = df_cat.columns.str.startswith('Dim')

df_cat.loc[:, c] = df_cat.loc[:, c] * df['Count'].values.astype(np.int)[:, None]
print (df_cat)
  UserId Count  Dim_1  Dim_2  Dim_3
0  user1    10     10      0      0
1  user1    25      0     25      0
2  user2    20      0     20      0
3  user3    30      0      0     30
4  user4    50      0      0     50