根据另一列中的值创建新的指标列

Posted

技术标签:

【中文标题】根据另一列中的值创建新的指标列【英文标题】:Create new indicator columns based on values in another column 【发布时间】:2022-01-20 13:02:23 【问题描述】:

我有一些看起来像这样的数据:

import pandas as pd

fruits = ['apple', 'pear', 'peach']

df = pd.DataFrame('col1':['i want an apple', 'i hate pears', 'please buy a peach and an apple', 'I want squash'])

print(df.head())

                              col1
0                  i want an apple
1                     i hate pears
2  please buy a peach and an apple
3                    I want squash

我需要一个解决方案,它为fruits 中的每个项目创建一个列,并给出一个 1 或 0 值来指示 col 是否包含该值。理想情况下,输出将如下所示:

goal_df = pd.DataFrame('col1':['i want an apple', 'i hate pears', 'please buy a peach and an apple', 'I want squash'],
                        'apple': [1, 0, 1, 0],
                        'pear': [0, 1, 0, 0],
                        'peach': [0, 0, 1, 0])

print(goal_df.head())


                              col1  apple  pear  peach
0                  i want an apple      1     0      0
1                     i hate pears      0     1      0
2  please buy a peach and an apple      1     0      1
3                    I want squash      0     0      0

我试过了,但没用:

for i in fruits:
    if df['col1'].str.contains(i):
        df[i] = 1
    else:
        df[i] = 0

【问题讨论】:

【参考方案1】:

您可以在下面的苹果专栏中使用,并为其他人做同样的事情

def has_apple(st):
    if "apple" in st.lower():
        return 1
    return 0
df['apple'] = df['col1'].apply(has_apple)

【讨论】:

【参考方案2】:
items = ['apple', 'pear', 'peach']
for it in items:
    df[it] = df['col1'].str.contains(it, case=False).astype(int)

输出:

>>> df
                              col1  apple  pear  peach
0                  i want an apple      1     0      0
1                     i hate pears      0     1      0
2  please buy a peach and an apple      1     0      1
3                    I want squash      0     0      0

【讨论】:

这很棒。我尝试了类似的方法,但没有使用 case=False,也没有使用 .astype(int)。【参考方案3】:

使用str.extractall提取单词,然后使用pd.crosstab

pattern = f"('|'.join(fruits))"
s = df['col1'].str.extractall(pattern)
df[fruits] = (pd.crosstab(s.index.get_level_values(0), s[0].values)
                .re_index(index=df.index, columns=fruits, fill_value=0)
             )

输出:

                              col1  apple  pear  peach
0                  i want an apple      1     0      0
1                     i hate pears      0     1      0
2  please buy a peach and an apple      1     0      1
3                    I want squash      0     0      0

【讨论】:

【参考方案4】:

尝试使用来自numpy 库的np.where

fruit = ['apple', 'pear', 'peach']
    for i in fruit:
        df[i] = np.where(df.col1.str.contains(i), 1, 0)

【讨论】:

【参考方案5】:

试试:

    使用str.extractall获取所有匹配的水果 使用pd.get_dummies获取指标值 join 到原始数据帧
matches = pd.get_dummies(df["col1"].str.extractall(f"('|'.join(fruits))")[0].droplevel(1, 0))
output = df.join(matches.groupby(level=0).sum()).fillna(0)

>>> output
                              col1  apple  peach  pear
0                  i want an apple    1.0    0.0   0.0
1                     i hate pears    0.0    0.0   1.0
2  please buy a peach and an apple    1.0    1.0   0.0
3                    I want squash    0.0    0.0   0.0

【讨论】:

我正要发布一个类似的解决方案! :) 哈哈,伟大的思想;) 请注意,您应该能够将.str.extractall(f"('|'.join(fruits))") 简化为.str.findall('|'.join(items)) 返回每行的匹配值列表,不能直接传递给get_dummies【参考方案6】:

我想到了另一种完全不同的单线:

df[items] = df['col1'].str.findall('|'.join(items)).str.join('|').str.get_dummies('|')

输出:

>>> df
                              col1  apple  pear  peach
0                  i want an apple      1     0      0
1                     i hate pears      0     0      1
2  please buy a peach and an apple      1     1      0
3                    I want squash      0     0      0

【讨论】:

以上是关于根据另一列中的值创建新的指标列的主要内容,如果未能解决你的问题,请参考以下文章

在 pandas 中,如何根据一列中的唯一值创建列,然后根据另一列中的值填充它?

根据另一列中的值比较一列中的两个值

根据另一列中的值从一列中减去值(SQL)

基于另一列中的值的一列上的pyspark滞后函数

根据另一列中的值填充多列中的单元格

根据另一列中的值删除一列的重复项,Python,Pandas