Python 如何将一个DataFrame列透视到一个真值表，其中的列基于另一个DataFrame？

我有一个

df

，带有

用户id

和

类别。我想将其转换为一个真值表，以确定该用户是否至少有一个该类别的条目。但是，最后的表格还应包括“df_列表”中出现的所有类别的列，这些列可能根本不会出现在
df
中

现在我用一个
groupby
+
size
创建真值表，然后检查是否缺少任何列，然后手动将这些列设置为
False
，但我想知道在最初的
groupby
步骤中是否有办法实现这一点

下面是一个例子：

import pandas as pd
df = pd.DataFrame({'user_id': [1,1,1,2,2],
                 'category': ['A', 'B', 'D', 'A', 'F']})
df_list = pd.DataFrame({'category': ['A', 'B', 'C', 'D', 'E', 'F']})

df_truth = df.groupby(['user_id', 'category']).size().unstack(fill_value=0).astype(bool)
#category     A      B      D      F
#user_id                            
#1         True   True   True  False
#2         True  False  False   True

然后，为了获得所需的输出，我执行以下操作：

missing_vals = df_list.category.unique()[~pd.Series(df_list.category.unique()).isin(df_truth.columns)]
for element in missing_vals:
    df_truth.loc[:,element] = False
#category     A      B      D      F      C      E
#user_id                                          
#1         True   True   True  False  False  False
#2         True  False  False   True  False  False

选项1

交叉表


我建议将该列转换为分类数据类型<代码>交叉表

/

透视

将处理其余部分

i = df.user_id
j = pd.Categorical(df.category, categories=df_list.category)

pd.crosstab(i, j).astype(bool)

col_0       A      B      C      D      E      F
user_id                                         
1        True   True  False   True  False  False
2        True  False  False  False  False   True 

---

选项2

unstack

+

reindex

要修复现有代码，可以使用

reindex

简化第二步：

(df.groupby(['user_id', 'category'])
   .size()
   .unstack(fill_value=0)
   .reindex(df_list.category, axis=1, fill_value=0)
   .astype(bool)
)

category     A      B      C      D      E      F
user_id                                          
1         True   True  False   True  False  False
2         True  False  False  False  False   True

@ALollz欢迎：）如果顺序很重要，您可以将

ordered=True

作为额外参数添加到

pd.category

，这在标签本身没有顺序（例如，一周中的几天）时非常有用。