Python 在各自的热编码列中填充分类数据的值
我有一个csv文件,它有100个列和行。 有两列是我感兴趣的,基于这一点,我需要在csv文件中创建新列。 例子: 我有以下感兴趣的专栏, input.csvPython 在各自的热编码列中填充分类数据的值,python,pandas,dataframe,pivot,one-hot-encoding,Python,Pandas,Dataframe,Pivot,One Hot Encoding,我有一个csv文件,它有100个列和行。 有两列是我感兴趣的,基于这一点,我需要在csv文件中创建新列。 例子: 我有以下感兴趣的专栏, input.csv count description 1 Good 2 Medium 2 Best 1 Worst 2 Worst 1 Medium 9 Good
count description
1 Good
2 Medium
2 Best
1 Worst
2 Worst
1 Medium
9 Good
我期望的产出,
output.csv
count description Good Medium Best Worst
1 Good 1 0 0 0
2 Medium 0 2 0 0
2 Best 0 0 2 0
1 Worst 0 0 0 1
2 Worst 0 0 0 1
1 Medium 0 1 0 0
9 Good 9 0 0 0
在上面的csv表中,基于“计数”和“描述”的值。
我正在创建新的列Good、Medium、Best、Worst(来自描述值),并将count和put null中的值填充到该行的不可用值中。
我尝试比较列并映射值,但无法将值正确地放入新列中。一种方法是使用创建虚拟列,并使用
df['count]
来获得所需的输出:
d = pd.get_dummies(df.description)
df.assign(**d.multiply(df['count'], axis=0))
count description Best Good Medium Worst
0 1 Good 0 1 0 0
1 2 Medium 0 0 2 0
2 2 Best 2 0 0 0
3 1 Worst 0 0 0 1
4 2 Worst 0 0 0 2
5 1 Medium 0 0 1 0
6 9 Good 0 9 0 0
可以旋转并添加原始帧:
f = df.pivot(columns='description', values='count').fillna(value=0, downcast='infer')
df[['count', 'description']].merge(f, left_index=True, right_index=True)
其结果是:
count description Best Good Medium Worst
0 1 Good 0 1 0 0
1 2 Medium 0 0 2 0
2 2 Best 2 0 0 0
3 1 Worst 0 0 0 1
4 2 Worst 0 0 0 2
5 1 Medium 0 0 1 0
6 9 Good 0 9 0 0
str.get\u假人
为了提高性能和简洁性,请将str.get_dummies
与广播的numpy乘法结合使用
v = df['description'].str.get_dummies()
df.join(pd.DataFrame(
v.values * df['count'].values[:, None], columns=v.columns))
count description Best Good Medium Worst
0 1 Good 0 1 0 0
1 2 Medium 0 0 2 0
2 2 Best 2 0 0 0
3 1 Worst 0 0 0 1
4 2 Worst 0 0 0 2
5 1 Medium 0 0 1 0
6 9 Good 0 9 0 0
我现在看到这是一个稍微不同的版本,但希望如此
广播方式的差异请原谅:-)
pivot
和fillna
或者,OP的pivot
解决方案的修改版本:
df.join(df.reset_index()
.pivot(index='index', columns='description', values='count')
.fillna(0, downcast='infer'))
count description Best Good Medium Worst
0 1 Good 0 1 0 0
1 2 Medium 0 0 2 0
2 2 Best 2 0 0 0
3 1 Worst 0 0 0 1
4 2 Worst 0 0 0 2
5 1 Medium 0 0 1 0
6 9 Good 0 9 0 0
谢谢你的上述回答。 我也试过,解决办法如下
import pandas as pd
df = pd.read_csv('/input.csv')
res = df.pivot(index='index', columns='description', values='count')
res.to_csv('/out.csv',',',dtype='unicode8')
res1 = res.replace('NaN', '0', regex=True)
res1.to_csv('/out1.csv',',',dtype='unicode8')
谢谢,
圣达