使用python重塑为二进制变量

我对Python pandas的pivot_表还是个新手，如果某个值在某个观察值中，我会尝试重新塑造数据，使其具有二进制指示符。我遵循了之前的一些代码，得到了一些令人鼓舞的结果，但是我得到的是一个和，而不是理想的1和0。请参阅下面的小样本数据集

    ID          SKILL     NUM
    1             A        1
    1             A        1
    1             B        1
    2             C        1
    3             C        1
    3             C        1
    3             E        1

我的目标是：

    ID    A         B        C    E
    1     1         1        0    0
    2     0         0        1    0
    3     0         0        0    1

我的代码得到以下结果：

    ID    A         B        C    E
    1     2         1        0    0
    2     0         0        2    0
    3     0         0        0    1

我应该先删除副本吗

下面是我使用atm的代码

  df_pivot =  df2.pivot_table(index='Job_posting_ID', columns='SKILL', aggfunc=len, fill_value=0)

试着这样做：

df.pivot_table(index='ID', columns='SKILL', values='NUM', aggfunc=lambda x: len(x.unique()), fill_value=0)

或者这个：

df.pivot_table(index='ID', columns='SKILL',aggfunc=lambda x: int(x.any()), fill_value=0)

---

以最适合您的为准。

您可以使用

aggfunc='any'

并将其转换为

int

。这避免了必须使用

lambda

/自定义函数，并且可能更有效

df_pivot =  df.pivot_table(index='ID', columns='SKILL',
                           aggfunc='any', fill_value=0).astype(int)

print(df_pivot)

      NUM         
SKILL   A  B  C  E
ID                
1       1  1  0  0
2       0  0  1  0
3       0  0  1  1

这同样适用于

aggfunc=len

+转换为

int

，但这可能会更昂贵。

您可以将与用于指示符列，然后获得每个索引的

最大值：

df = pd.get_dummies(df.set_index('ID')['SKILL']).max(level=0)

为获得更好的性能，请通过以下方式删除重复项并重塑形状：

解决方案为，但有必要将
NaN
s替换为
0
：

df = df.drop_duplicates(['ID','SKILL']).pivot('ID','SKILL','NUM').fillna(0).astype(int)

如果想使用您的解决方案，只需删除重复项，但最好是
取消堆栈
，因为数据永远不会聚合，因为使用
技能
不会重复对
ID
：

df2 = df.drop_duplicates(['ID','SKILL'])
df_pivot = (df2.pivot_table(index='ID', 
                            columns='SKILL', 
                            values='NUM',
                            aggfunc=len, 
                            fill_value=0))
print (df_pivot)
SKILL  A  B  C  E
ID               
1      1  1  0  0
2      0  0  1  0
3      0  0  1  1

成功了，tks。R不会翻转我的桌子，因为桌子太大了。打开桌子真的很快。。在这种情况下，我如何保持ID作为变量而不是索引？@Ian_De_Oliveira-Last need
df.删除重复项（['ID'，'SKILL']）。设置索引（['ID'，'SKILL']）['NUM']。取消堆栈（fill_value=0）。重置索引（）。重命名轴（无，轴=1）
Tks很多次，取消堆栈功能运行得非常好。。我知道我需要学习如何处理大数据，因为我的电脑不喜欢翻转55000列，2500行，但55000 atm只有SAS能做到。@Ian_De_Oliveira-这取决于你电脑中的RAM，但要想最好地处理电脑中的大数据
df2 = df.drop_duplicates(['ID','SKILL'])
df_pivot = (df2.pivot_table(index='ID', 
                            columns='SKILL', 
                            values='NUM',
                            aggfunc=len, 
                            fill_value=0))
print (df_pivot)
SKILL  A  B  C  E
ID               
1      1  1  0  0
2      0  0  1  0
3      0  0  1  1