python中的虚拟化

我试图将

nl

列转换为6列，即转换为：

id  nl
A   3
B   1
B   5
C   2
C   3

为此：

id   nl_1 nl_2 nl_3 nl_4 nl_5 nl_6
A    0    0    1    0    0    0
B    1    0    0    0    1    0
C    0    1    1    0    0    0

有了这个,

import pandas as pd
pd.get_dummies(df['id'], prefix = 'nl')
df['id'].join(dummies)

我已设法获得以下信息：

id   nl_1 nl_2 nl_3 nl_4 nl_5 nl_6
A    0    0    1    0    0    0
B    1    0    0    0    0    0
B    0    0    0    0    1    0
C    0    1    0    0    0    0
C    0    0    1    0    0    0

我如何跳到最后一步去得到我想要的

谢谢

我认为您需要使用聚合：

全部加在一起-添加了缺失代码，可能在实际数据中没有必要：

print (df)
  id  nl
0  A   3
1  B   1
2  B   5
3  C   2
4  C   3

dummies = pd.get_dummies(df['nl'], prefix = 'nl')

cols =['nl_' + str(x) for x in range(1, 7)]
print (cols)
['nl_1', 'nl_2', 'nl_3', 'nl_4', 'nl_5', 'nl_6']

dummies = dummies.reindex(columns = cols, fill_value=0)
df = pd.concat([df.id, dummies], axis=1)
print (df)
  id  nl_1  nl_2  nl_3  nl_4  nl_5  nl_6
0  A     0     0     1     0     0     0
1  B     1     0     0     0     0     0
2  B     0     0     0     0     1     0
3  C     0     1     0     0     0     0
4  C     0     0     1     0     0     0

df1 = df.groupby('id', as_index=False).max()
print (df1)
  id  nl_1  nl_2  nl_3  nl_4  nl_5  nl_6
0  A     0     0     1     0     0     0
1  B     1     0     0     0     1     0
2  C     0     1     1     0     0     0

---

你是一台机器。：-）不，我会在几周后考虑解决方案——我会尝试逻辑and，然后我发现最好的方法是

max

如果我的答案有用，不要忘记

接受它。谢谢
print (df)
  id  nl
0  A   3
1  B   1
2  B   5
3  C   2
4  C   3

dummies = pd.get_dummies(df['nl'], prefix = 'nl')

cols =['nl_' + str(x) for x in range(1, 7)]
print (cols)
['nl_1', 'nl_2', 'nl_3', 'nl_4', 'nl_5', 'nl_6']

dummies = dummies.reindex(columns = cols, fill_value=0)
df = pd.concat([df.id, dummies], axis=1)
print (df)
  id  nl_1  nl_2  nl_3  nl_4  nl_5  nl_6
0  A     0     0     1     0     0     0
1  B     1     0     0     0     0     0
2  B     0     0     0     0     1     0
3  C     0     1     0     0     0     0
4  C     0     0     1     0     0     0

df1 = df.groupby('id', as_index=False).max()
print (df1)
  id  nl_1  nl_2  nl_3  nl_4  nl_5  nl_6
0  A     0     0     1     0     0     0
1  B     1     0     0     0     1     0
2  C     0     1     1     0     0     0