Python 数据帧中一个热编码列的统计信息

我有一个熊猫数据框，其中有一列标题为

“label”

。它有三列，分别标题为

featureA\u 1、featureA\u 2、featureA\u 3

。这些列表示表示一个热编码的

feature

（可以有三个唯一值）的列。同样，它也有两个列，分别名为

featureB_1

和

featureB_2

。这些列表示

featureB

的一个热编码值（可以有两个不同的值）

下面是所述数据帧的示例

可以使用以下方法生成上述数据帧：

import pandas as pd
dictt = {
    "label": ["cat", "cat", "cat", "cat", "cat", "dog", "dog", "dog"],
    "featureA_1": [1, 0, 1, 1, 0, 1, 1, 0],
    "featureA_2": [0, 1, 0, 0, 0, 0, 0, 0],
    "featureA_3": [0, 0, 0, 0, 1, 0, 0, 1],
    "featureB_1": [0, 0, 1, 1, 0, 0, 1, 1],
    "featureB_2": [1, 1, 0, 0, 1, 1, 0, 0],
}

df1 = pd.DataFrame(dictt)

由于一个热编码，上述数据帧中的每一行只有一个特征值

featureA_1、featureA_2、featureA_3

的值为1，其他值为0。类似地，每一行只有一个特征值

featureB_1

和

featureB_2

的值为1，另一个为0

我想创建一个数据框，在该数据框中，每个标签中具有特征值

featureA_1、featureA_2、featureA_3

的条目百分比以及每个标签中具有特征值

featureB_1

和

featureB_2

的条目百分比

我还想得到FeatureUrea值类型和featureB值类型百分比的标准偏差。

以下是我希望拥有的数据帧示例：

这样做最有效的方法是什么？在我的实际工作中，我将拥有数百万行的数据帧。

使用：

#aggregate mean for percentages of 1, because only 0, 1 values 
df = df1.groupby('label').mean().add_suffix('_perc').round(2)

#aggregate std witg ddof=0, because default pandas ddof=1
df2 = df.groupby(lambda x: x.split('_')[0], axis=1).std(ddof=0).add_suffix('_std').round(2)

#join together
df = pd.concat([df, df2],axis=1).sort_index(axis=1).reset_index()
print (df)
  label  featureA_1_perc  featureA_2_perc  featureA_3_perc  featureA_std  \
0   cat             0.60              0.2             0.20          0.19   
1   dog             0.67              0.0             0.33          0.27   

   featureB_1_perc  featureB_2_perc  featureB_std  
0             0.40             0.60          0.10  
1             0.67             0.33          0.17