Python 熊猫透视出唯一的列 我有一个大数据包,有两个组合,我考虑唯一的标识符,然后有一个单独的列“C”,它们可以有不同的值。因此,同一个唯一标识符可以重复其具有的不同“C”值的次数 import pandas as pd data = {'A' : ['000001','000001','000001','000001','000002','000002','000003'], 'B' : ['1A','1A','1C','1D','1A','1A','1D'], 'C' : ['003','012','016','003','020','012','053']} df = pd.DataFrame(data) +-------------------+ | A | B | C | +-------------------+ | 000001 | 1A | 003 | | 000001 | 1A | 012 | | 000001 | 1C | 016 | | 000001 | 1D | 003 | | 000002 | 1A | 020 | | 000002 | 1A | 012 | | 000003 | 1D | 053 | +-------------------+
我想根据A、B对行进行分组,然后将C列旋转出来,并将它们转化为假人。这就是我需要最终输出的样子:Python 熊猫透视出唯一的列 我有一个大数据包,有两个组合,我考虑唯一的标识符,然后有一个单独的列“C”,它们可以有不同的值。因此,同一个唯一标识符可以重复其具有的不同“C”值的次数 import pandas as pd data = {'A' : ['000001','000001','000001','000001','000002','000002','000003'], 'B' : ['1A','1A','1C','1D','1A','1A','1D'], 'C' : ['003','012','016','003','020','012','053']} df = pd.DataFrame(data) +-------------------+ | A | B | C | +-------------------+ | 000001 | 1A | 003 | | 000001 | 1A | 012 | | 000001 | 1C | 016 | | 000001 | 1D | 003 | | 000002 | 1A | 020 | | 000002 | 1A | 012 | | 000003 | 1D | 053 | +-------------------+,python,pandas,dataframe,pivot,dummy-variable,Python,Pandas,Dataframe,Pivot,Dummy Variable,我想根据A、B对行进行分组,然后将C列旋转出来,并将它们转化为假人。这就是我需要最终输出的样子: +----------------------------------------------------+ | A | B | C_003 | C_012 | C_016 | C_020 |C_053 | +----------------------------------------------------+ | 000001 | 1A | 1 | 1 | 0
+----------------------------------------------------+
| A | B | C_003 | C_012 | C_016 | C_020 |C_053 |
+----------------------------------------------------+
| 000001 | 1A | 1 | 1 | 0 | 0 | 0 |
| 000001 | 1C | 0 | 0 | 1 | 0 | 0 |
| 000001 | 1D | 1 | 0 | 0 | 0 | 0 |
| 000002 | 1A | 0 | 1 | 0 | 1 | 0 |
| 000003 | 1D | 0 | 0 | 0 | 0 | 1 |
+----------------------------------------------------+
我对数据透视表很在行,但也不确定数据透视表是否能将我的数据透视到所需的输出。我正在寻找一个超级高效的过程,因为实际数据在标识符中有多个列(如a、B)、数千个可能的C值和数百万行。有什么想法吗?
大熊猫。让假人来营救
pd.get_dummies(df.set_index(['A', 'B'])).reset_index()
A B C_003 C_012 C_016 C_020 C_053
0 000001 1A 1 0 0 0 0
1 000001 1A 0 1 0 0 0
2 000001 1C 0 0 1 0 0
3 000001 1D 1 0 0 0 0
4 000002 1A 0 0 0 1 0
5 000002 1A 0 1 0 0 0
6 000003 1D 0 0 0 0 1
或者。。。(感谢温家宝的提醒)
与一起使用,根据重塑形状,并通过以下方式过滤所有高于1
的值:
你知道我记得我最喜欢的功能是什么吗
pd.crosstab([df.A,df.B],df.C).reset_index()
Out[70]:
C A B 003 012 016 020 053
0 000001 1A 1 1 0 0 0
1 000001 1C 0 0 1 0 0
2 000001 1D 1 0 0 0 0
3 000002 1A 0 1 0 1 0
4 000003 1D 0 0 0 0 1
通过使用str
get\u假人
df.set_index(['A','B']).C.str.get_dummies().add_prefix('C_').sum(level=[0,1]).reset_index()
Out[60]:
A B C_003 C_012 C_016 C_020 C_053
0 000001 1A 1 1 0 0 0
1 000001 1C 0 0 1 0 0
2 000001 1D 1 0 0 0 0
3 000002 1A 0 1 0 1 0
4 000003 1D 0 0 0 0 1
我还记得你最喜欢的功能。只有在你写了之后我才把它放在我的帖子里,直到现在我才注意到(-:。第二个选项似乎工作得很好。谢谢!
pd.crosstab([df.A,df.B],df.C).reset_index()
Out[70]:
C A B 003 012 016 020 053
0 000001 1A 1 1 0 0 0
1 000001 1C 0 0 1 0 0
2 000001 1D 1 0 0 0 0
3 000002 1A 0 1 0 1 0
4 000003 1D 0 0 0 0 1
df.set_index(['A','B']).C.str.get_dummies().add_prefix('C_').sum(level=[0,1]).reset_index()
Out[60]:
A B C_003 C_012 C_016 C_020 C_053
0 000001 1A 1 1 0 0 0
1 000001 1C 0 0 1 0 0
2 000001 1D 1 0 0 0 0
3 000002 1A 0 1 0 1 0
4 000003 1D 0 0 0 0 1