Python 将多个DataFrame列压缩为Pandas中的单个指示符列

假设我有一个如下所示的数据帧：

import pandas as pd
import numpy as np

d = {'ID': [1,2,3,4], 
     'name': ['bob','shelby','jordan','jeff'],
     'type1': [1,1,0,0],
     'type2':[1,0,1,0],
     'type4':[1,0,0,0],
     'type5':[0,0,1,0],
     'type6':[0,1,0,0],
     'type8':[0,0,1,0]}
df: pd.DataFrame = pd.DataFrame(data=d)
print(df.head(9))

   ID    name  type1  type2  type4  type5  type6  type8
0   1     bob      1      1      1      0      0      0
1   2  shelby      1      0      0      0      1      0
2   3  jordan      0      1      0      1      0      1
3   4    jeff      0      0      0      0      0      0

我想将“type5”、“type6”和“type8”列压缩为一个称为“其他”的列，并将任何“1”指标聚合为新的“其他”列中的“1”。因此，如果“jordan”有一个“other”列条目，那么他应该有一个“1”指示符，因为他在type6和type8中有一个“1”（因此对每个选定的列（type5、type6、type8）跨行使用max（）操作）

所需的框架应类似于：

   ID    name  type1  type2  type4  other 
0   1     bob      1      1      1      0     
1   2  shelby      1      0      0      1      
2   3  jordan      0      1      0      1      
3   4    jeff      0      0      0      0     

我需要为要压缩的列创建一个布尔掩码，然后在它们之间聚合以创建新列，同时删除旧列。我如何才能做到这一点？

在这里尝试您的逻辑

drop_cols = ['type5','type6','type8']

df = (df.assign(other=df[drop_cols].max(1))  # new column with max value
        .drop(columns=drop_cols)             # drop the old columns
     )

输出：

   ID    name  type1  type2  type4  other
0   1     bob      1      1      1      0
1   2  shelby      1      0      0      1
2   3  jordan      0      1      0      1
3   4    jeff      0      0      0      0

---

使用

any

：

df['other'] = df.loc[:, ['type5','type6','type8']].any(axis=1).astype(int)
df = df.drop(['type5','type6','type8'], axis=1)

结果:

   ID    name  type1  type2  type4  other
0   1     bob      1      1      1      0
1   2  shelby      1      0      0      1
2   3  jordan      0      1      0      1
3   4    jeff      0      0      0      0

---

很好的回答！谢谢。很好的回答，这很有效。谢谢。