Python 如何将a=1000000000转换为十进制数字0B=0100000000转换为十进制数字1，依此类推9个数字

我有一个包含10列和3000行的数据集。每个列都包含一个0或1。连接在一起的十列表示一个标签。共有10个标签，分别为0,1,2,3,4,5,6,7,8,9。像“100000000”这样的串联序列表示标签0，“0100000000”表示标签1（数字1），“0000000001”表示标签9

将这些序列转换为标签并将其作为第十一列添加到数据集中的最佳/高效代码是什么

for循环

lambda函数

掩蔽

二进制与运算

我很困惑，目前我正试图编写一个lambda函数来实现这一点，但却一事无成

target1 = target.apply(lambda x: [print(x)  for j in range(10) for i in x], axis = 1)

我想知道应该使用哪种方法来实现这种模式匹配

初始数据帧

data = [[1,0,0,0,0,0,0,0,0,0],
        [0,1,0,0,0,0,0,0,0,0],
        [0,0,1,0,0,0,0,0,0,0],
        [0,0,0,1,0,0,0,0,0,0],
        [0,0,0,0,1,0,0,0,0,0],
        [0,0,0,0,0,1,0,0,0,0],
        [0,0,0,0,0,0,1,0,0,0],
        [0,0,0,0,0,0,0,1,0,0],
        [0,0,0,0,0,0,0,0,1,0],
        [0,0,0,0,0,0,0,0,0,1]]
df = pd.DataFrame(data)

带有第十一列名称标签的最终数据

[dataframe][label]
1000000000  0   
0100000000  1  
0010000000  2  
0001000000  3  
0000100000  4  
0000010000  5  
0000001000  6  
0000000100  7  
0000000010  8  
0000000001  9  

您正在有效地查找具有最大值的列索引，因此您可以使用轴=1来应用于每行的值：

df['label'] = df.idxmax(axis=1)

请注意，如果您有10个数字列以外的其他列，则首先只需选择10个数字列；e、 g.

df.iloc[：，范围（10）].idxmax（…）

演示：

---

起初，我提倡通过

Dataframe.apply（）

使用

Series.idxmax（）

，但在一条现已删除的评论中，Jezrael提醒我，

Dataframe.idxmax（）

也存在，并且在这里更实用。

1.让我们生成一个示例 因此，我们得到：

    0  1  2  3  4  5  6  7  8  9
0   0  0  0  0  0  0  1  0  0  0
1   0  0  0  0  0  1  0  0  0  0
2   0  0  0  0  0  0  0  0  0  1
3   0  0  1  0  0  0  0  0  0  0
4   0  0  0  1  0  0  0  0  0  0
5   0  0  0  0  0  1  0  0  0  0
6   0  0  0  0  0  0  0  0  0  1
7   0  1  0  0  0  0  0  0  0  0
8   1  0  0  0  0  0  0  0  0  0
9   0  1  0  0  0  0  0  0  0  0
10  0  0  0  0  0  0  0  0  1  0
11  1  0  0  0  0  0  0  0  0  0
12  0  0  0  1  0  0  0  0  0  0
13  0  0  0  0  0  0  0  0  1  0
14  0  0  1  0  0  0  0  0  0  0
15  0  0  0  0  0  0  0  1  0  0
16  0  0  0  0  1  0  0  0  0  0
17  0  0  0  0  1  0  0  0  0  0
18  0  0  0  0  0  0  0  1  0  0
19  0  0  0  0  0  0  1  0  0  0

[6 5 9 2 3 5 9 1 0 1 8 0 3 8 2 7 4 4 7 6]

[0 0 0 0 0 0 1 0 0 0]
[0 0 0 0 0 1 0 0 0 0]
[0 0 0 0 0 0 0 0 0 1]
[0 0 1 0 0 0 0 0 0 0]
[0 0 0 1 0 0 0 0 0 0]
[0 0 0 0 0 1 0 0 0 0]
[0 0 0 0 0 0 0 0 0 1]
[0 1 0 0 0 0 0 0 0 0]
[1 0 0 0 0 0 0 0 0 0]
[0 1 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 1 0]
[1 0 0 0 0 0 0 0 0 0]
[0 0 0 1 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 1 0]
[0 0 1 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 1 0 0]
[0 0 0 0 1 0 0 0 0 0]
[0 0 0 0 1 0 0 0 0 0]
[0 0 0 0 0 0 0 1 0 0]
[0 0 0 0 0 0 1 0 0 0]

2.标记是矩阵向量乘法 因此，我们得到：

    0  1  2  3  4  5  6  7  8  9
0   0  0  0  0  0  0  1  0  0  0
1   0  0  0  0  0  1  0  0  0  0
2   0  0  0  0  0  0  0  0  0  1
3   0  0  1  0  0  0  0  0  0  0
4   0  0  0  1  0  0  0  0  0  0
5   0  0  0  0  0  1  0  0  0  0
6   0  0  0  0  0  0  0  0  0  1
7   0  1  0  0  0  0  0  0  0  0
8   1  0  0  0  0  0  0  0  0  0
9   0  1  0  0  0  0  0  0  0  0
10  0  0  0  0  0  0  0  0  1  0
11  1  0  0  0  0  0  0  0  0  0
12  0  0  0  1  0  0  0  0  0  0
13  0  0  0  0  0  0  0  0  1  0
14  0  0  1  0  0  0  0  0  0  0
15  0  0  0  0  0  0  0  1  0  0
16  0  0  0  0  1  0  0  0  0  0
17  0  0  0  0  1  0  0  0  0  0
18  0  0  0  0  0  0  0  1  0  0
19  0  0  0  0  0  0  1  0  0  0

[6 5 9 2 3 5 9 1 0 1 8 0 3 8 2 7 4 4 7 6]

[0 0 0 0 0 0 1 0 0 0]
[0 0 0 0 0 1 0 0 0 0]
[0 0 0 0 0 0 0 0 0 1]
[0 0 1 0 0 0 0 0 0 0]
[0 0 0 1 0 0 0 0 0 0]
[0 0 0 0 0 1 0 0 0 0]
[0 0 0 0 0 0 0 0 0 1]
[0 1 0 0 0 0 0 0 0 0]
[1 0 0 0 0 0 0 0 0 0]
[0 1 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 1 0]
[1 0 0 0 0 0 0 0 0 0]
[0 0 0 1 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 1 0]
[0 0 1 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 1 0 0]
[0 0 0 0 1 0 0 0 0 0]
[0 0 0 0 1 0 0 0 0 0]
[0 0 0 0 0 0 0 1 0 0]
[0 0 0 0 0 0 1 0 0 0]

3.每行都可以转换为字符串 因此，我们得到：

    0  1  2  3  4  5  6  7  8  9
0   0  0  0  0  0  0  1  0  0  0
1   0  0  0  0  0  1  0  0  0  0
2   0  0  0  0  0  0  0  0  0  1
3   0  0  1  0  0  0  0  0  0  0
4   0  0  0  1  0  0  0  0  0  0
5   0  0  0  0  0  1  0  0  0  0
6   0  0  0  0  0  0  0  0  0  1
7   0  1  0  0  0  0  0  0  0  0
8   1  0  0  0  0  0  0  0  0  0
9   0  1  0  0  0  0  0  0  0  0
10  0  0  0  0  0  0  0  0  1  0
11  1  0  0  0  0  0  0  0  0  0
12  0  0  0  1  0  0  0  0  0  0
13  0  0  0  0  0  0  0  0  1  0
14  0  0  1  0  0  0  0  0  0  0
15  0  0  0  0  0  0  0  1  0  0
16  0  0  0  0  1  0  0  0  0  0
17  0  0  0  0  1  0  0  0  0  0
18  0  0  0  0  0  0  0  1  0  0
19  0  0  0  0  0  0  1  0  0  0

[6 5 9 2 3 5 9 1 0 1 8 0 3 8 2 7 4 4 7 6]

[0 0 0 0 0 0 1 0 0 0]
[0 0 0 0 0 1 0 0 0 0]
[0 0 0 0 0 0 0 0 0 1]
[0 0 1 0 0 0 0 0 0 0]
[0 0 0 1 0 0 0 0 0 0]
[0 0 0 0 0 1 0 0 0 0]
[0 0 0 0 0 0 0 0 0 1]
[0 1 0 0 0 0 0 0 0 0]
[1 0 0 0 0 0 0 0 0 0]
[0 1 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 1 0]
[1 0 0 0 0 0 0 0 0 0]
[0 0 0 1 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 1 0]
[0 0 1 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 1 0 0]
[0 0 0 0 1 0 0 0 0 0]
[0 0 0 0 1 0 0 0 0 0]
[0 0 0 0 0 0 0 1 0 0]
[0 0 0 0 0 0 1 0 0 0]

从这里您可以继续：-）

---

注：第2点。（矩阵乘法）是有效的，第3点。（for loop）效率不高，因此您可以改进此步骤。

是否有任何此类列的值中包含多个

1

？您能否在此提供示例数据帧和预期输出？我现在对您实际拥有的列数据感到困惑。如果您有10个单独的列而不是一列，那么这与一列包含10位数字的字符串（9

'0'

字符和1

'1'

字符）是不同的。所有10列只包含0或1。是的，有十个单独的列，每个列只有0或1。那么这些是列的名称，还是列的值？如果这些是值，那么这些列的数据类型是什么？在给定的行上，是否只有一列中有1？如果在您的问题中有一个具体的示例，创建简单数据框的代码，以及您的预期输出，这一切都会容易得多。那么这些是列的名称还是列的值呢？=>这些是col值。列的数据类型为整数。是的，在任何给定值中只有一列带有1row@jezrael：当然，该方法也可以在数据帧上使用。我应该找的。我想知道哪个更快

df.idxmax（axis=1）

还是矩阵乘法（见下文）。有人应该

%timeit

…-）