Python 熊猫-将匹配的列值与行对齐

我有一个看似简单的问题，我无法找到解决办法。也就是说，我有一个表，其中第一列包含所有可用应用程序的列表，而其他列表示用户及其拥有的应用程序列表：

我试图将表转换为DataFrame，并对齐第一列上的匹配值。所需的输出应如下所示：

感谢您的帮助。

---

干杯

一个关键观察结果是，在输出中，应用程序列中的值也表示该行的值（index col==value col）

---

下面是一个使用一些numpy工具的方法。这里，

apply

循环遍历感兴趣的列，

np.isin

对第一列（dat.Applications）执行搜索，如果当前列中包含相应的元素，则返回True。然后，通过

np.where

将该布尔数组转换为dat.Applications中的相应字符串，如果不匹配，则转换为NAN。然后将结果分配回原始数据帧

import numpy as np

dat.iloc[:, 1:] = \
dat.iloc[:, 1:].apply(lambda x : np.where(np.isin(dat.Applications, x),
                                          dat.Applications, np.NAN))

---

请注意，例如，使用pd.

np.isin而不是直接导入numpy是可行的，但这对我来说似乎更干净了一点。
我的观点在源头上是正确的。对具有可伸缩行和列的解释是正确的，但在标记值时，仅针对每个应用程序标记一个二进制，即
（App1，User1）=1和（App2，User1）=0
。这样你可以很容易地计算。还要尽量避免在列名中使用空格。@Vishnudev-我非常感谢您的反馈，您说得很对，最好是将值“二进制化”，但是，这需要事先对数据进行处理（因为问题中的格式是如何将数据传递给我），源代码并不重要。我的反馈只有在你能控制来源的情况下才有效。
(df.iloc[:,1:]
   .melt()
   .dropna()
   .pivot(index='value',columns='variable',values='value')
   .reindex([f'App{x}' for x in range(1,11)]))


import numpy as np

dat.iloc[:, 1:] = \
dat.iloc[:, 1:].apply(lambda x : np.where(np.isin(dat.Applications, x),
                                          dat.Applications, np.NAN))