Python 熊猫将桌子旋转到1_热

我想把熊猫df转换成一只热熊猫df。 最好用一个例子来描述：

我拥有的df如下所示：

ID|DEV |STATE|
1 |DEV1|on
2 |DEV2|on
3 |DEV1|off
3 |DEV3|on
3 |DEV3|off

ID|DEV1.on|DEV1.off|DEV2.on|DEV3.on|DEV3.off
1 |     1 |       0|      0|      0|       0
2 |     0 |       0|      1|      0|       0
3 |     0 |       1|      0|      1|       0
4 |     0 |       0|      0|      0|       1

我知道非唯一id不好，我正在努力

然后我旋转表格：

data.pivot_table(index='ID', columns=['DEV'], values='STATE', dropna=True, aggfunc='first')

其结果如下

ID|DEV1|DEV2|DEV3
1 |on  | NaN| NaN
2 | NaN| on | NaN
3 | off| NaN| on
4 | NaN| NaN| off

我现在想得到这样的东西：

ID|DEV |STATE|
1 |DEV1|on
2 |DEV2|on
3 |DEV1|off
3 |DEV3|on
3 |DEV3|off

ID|DEV1.on|DEV1.off|DEV2.on|DEV3.on|DEV3.off
1 |     1 |       0|      0|      0|       0
2 |     0 |       0|      1|      0|       0
3 |     0 |       1|      0|      1|       0
4 |     0 |       0|      0|      0|       1

我知道如何加入列名，但我不知道如何获得“一个热门”样式。也许用aggfunc是可能的

你能帮我吗

Fabian

与带分隔符的联接列一起使用

，按

ID

索引列，按索引最后获取

max

：

df['join'] = df['DEV'] + '.' + df['STATE']
df = pd.get_dummies(df.set_index('ID')['join']).max(level=0)
print (df)
    DEV1.off  DEV1.on  DEV2.on  DEV3.off  DEV3.on
ID                                               
1          0        1        0         0        0
2          0        0        1         0        0
3          1        0        0         1        1

另一种解决方案是使用

multi-index

并通过-进行重塑，但随后是必要的，最后是展平

multi-index

：

df = (pd.get_dummies(df.set_index(['ID','DEV'])['STATE'])
        .max(level=[0,1])
        .unstack(fill_value=0)
        .swaplevel(0,1, axis=1)
        .sort_index(axis=1))

df.columns = df.columns.map('.'.join)
print (df)
    DEV1.off  DEV1.on  DEV2.off  DEV2.on  DEV3.off  DEV3.on
ID                                                         
1          0        1         0        0         0        0
2          0        0         0        1         0        0
3          1        0         0        0         1        1

另一种选择：

df['new_col'] = df['DEV'] + '.' + df['STATE']
df1 = pd.get_dummies(df['new_col'])
df = pd.concat([df, df1], axis=1).drop(['DEV', 'STATE','new_col'], axis=1)
df = df.groupby("ID").sum().replace(0, np.nan)

输出：

    DEV1.off  DEV1.on  DEV2.on  DEV3.off  DEV3.on
ID                                               
1        NaN      1.0      NaN       NaN      NaN
2        NaN      NaN      1.0       NaN      NaN
3        1.0      NaN      NaN       1.0      1.0

---

非常感谢你！有没有一种方法可以使用

pd.get_dummies

并使用NaN而不是0？@FabianZills-Last add

df=df.mask（df==0）