Pandas Group By 和 Get Dummies

Posted 2023-03-11

【中文标题】Pandas Group By 和 Get Dummies

【英文标题】：Pandas Group By And Get Dummies

【发布时间】：2020-12-17 13:35:24

【问题描述】：

我想让每个唯一值获取虚拟变量。想法是将数据框变成多标签目标。我该怎么做？

数据：

           ID                      L2
           A                 Firewall
           A                 Security
           B           Communications
           C                 Business
           C                 Switches

所需的输出：

ID   Firewall  Security  Communications  Business   Switches
 A      1          1             0              0         0
 B      0          0             1              0         0
 C      0          0             0              1         1

我试过pd.pivot_table，但它需要一个列来聚合。我也尝试过对this link 的回答，但它对值求和，而不是仅仅变成二进制虚拟列。非常感谢您的帮助。非常感谢！

【参考方案1】：

让我们set_index 然后get_dummies，因为我们在每个 ID 中有多个重复，我们需要 sum 和 level = 0

s = df.set_index('ID')['L2'].str.get_dummies().max(level=0).reset_index()
Out[175]: 
  ID  Business  Communications  Firewall  Security  Switches
0  A         0               0         1         1         0
1  B         0               1         0         0         0
2  C         1               0         0         0         1

【讨论】：

感谢您的回答，但我有一个更大的数据框，使用 sum 实际上是 summing 的值，所以我不只是得到二进制列。

@KrishnangKDalal 使用max 而不是sum

好了，就是！！非常感谢。另外，谢谢大家的帮助

感谢解答，为什么要使用max函数？

@Utopia 具有 0 和 1 的多个相同列我们只想返回 1 其中任何一个都是 1 ，这就是为什么使用 max

【参考方案2】：

crosstab，然后转换为布尔值：

pd.crosstab(df['ID'],df['L2']).astype(bool)

输出：

L2  Business  Communications  Firewall  Security  Switches
ID                                                        
A      False           False      True      True     False
B      False            True     False     False     False
C       True           False     False     False      True

【参考方案3】：

如果您更改aggfunc=any，则可以使用pivot_table。

print(df.pivot_table(index='ID', columns='L2', 
                     aggfunc=any, fill_value=False)\
        .astype(int))
L2  Business  Communications  Firewall  Security  Switches
ID                                                        
A          0               0         1         1         0
B          0               1         0         0         0
C          1               0         0         0         1

也许reset_index 在最后将 ID 作为列

【参考方案4】：

你可以试试这个：

df1 = pd.read_csv("file.csv")
df2 = df1.groupby(['ID'])['L2'].apply(','.join).reset_index()
df3 = df2["L2"].str.get_dummies(",")
df = pd.concat([df2, df3], axis = 1)
print(df)

输出：

  ID                 L2  Business  Communications  Firewall  Security  Switches
0  A  Firewall,Security         0               0         1         1         0
1  B     Communications         0               1         0         0         0
2  C  Business,Switches         1               0         0         0         1

备选方案：

df = df.groupby(['ID'])['L2'].apply(','.join).str.get_dummies(",").reset_index()
print(df)