Question

我有一个约300列的数据框，其列从'Prod1'到'Prod300'，如下所示：

ID   Product Prod1 Prod2 Prod3 Prod4 Prod5 Prod6 Prod7
01     1      0     0     0     0     0     0     0
01     2      0     0     0     0     0     0     0
01     3      0     0     0     0     0     0     0
02     1      0     0     0     0     0     0     0
02     4      0     0     0     0     0     0     0
03     3      0     0     0     0     0     0     0
04     6      0     0     0     0     0     0     0

我想要的是根据“产品”列中的值简单地填充相应的“产品”列，即下面的df作为输出-

ID   Product Prod1 Prod2 Prod3 Prod4 Prod5 Prod6 Prod7
01     1      1     0     0     0     0     0     0
01     2      0     1     0     0     0     0     0
01     3      0     0     1     0     0     0     0
02     1      1     0     0     0     0     0     0
02     4      0     0     0     1     0     0     0
03     3      0     0     1     0     0     0     0
04     6      0     0     0     0     0     1     0

问题是，我知道我总共只有300种产品，但是我可能无法获得“产品”列中的所有值，即使'Prod7'列中不存在，我也想保留它产品”列，并且所有值= 0。所以，我不能使用pivot_table ...

我尝试遍历“产品”列，如下所示：

for row in range ( len( df['Product'])) :
   df['Prod' + str( df['Product'][row] ) ][row] = 1

我在上面做的事情是依次遍历“产品”列中的值，然后在相应的列和同一行中填充1。

此外，由于从Prod1到Prod300有300列，所以我不想像下面这样逐列进行操作：

df['Prod1'] = np.where(df['Product'] == 1, 1 , 0)
df['Prod2'] = np.where(df['Product'] == 2, 1 , 0)
df['Prod3'] = np.where(df['Product'] == 3, 1 , 0)
........
........

现在上面的代码有效，但是我知道您不应该将其用于循环，因为它们很慢。

也许是因为我是python的新手，它的确很简单，但是任何替代方法都将不胜感激。我还担心代码的运行时，因此比以前快的任何事情都会很有帮助...

Answer 1

此处不需要空列。

将get_dummies用于新的指标列，将DataFrame.reindex添加到range和最后DataFrame.add_prefix的不存在列中：

df1 = (pd.get_dummies(df['Product'])
         .reindex(range(1, 8), axis=1, fill_value=0)
         .add_prefix('Prod'))
print (df1)
   Prod1  Prod2  Prod3  Prod4  Prod5  Prod6  Prod7
0      1      0      0      0      0      0      0
1      0      1      0      0      0      0      0
2      0      0      1      0      0      0      0
3      1      0      0      0      0      0      0
4      0      0      0      1      0      0      0
5      0      0      1      0      0      0      0
6      0      0      0      0      0      1      0

然后可以将DataFrame.join与原始DataFrame的前两列一起使用：

df2 = df.iloc[:, :2].join(df1)
print (df2)
   ID  Product  Prod1  Prod2  Prod3  Prod4  Prod5  Prod6  Prod7
0   1        1      1      0      0      0      0      0      0
1   1        2      0      1      0      0      0      0      0
2   1        3      0      0      1      0      0      0      0
3   2        1      1      0      0      0      0      0      0
4   2        4      0      0      0      1      0      0      0
5   3        3      0      0      1      0      0      0      0
6   4        6      0      0      0      0      0      1      0

Answer 2

您可以做到：

df.iloc[range(df.shape[0]),df['Product']] = 1

如果ID是列而不是索引，则可以：

df.iloc[range(df.shape[0]),df['Product']+1] = 1

例如：

df = pd.DataFrame({'Product':[1, 3, 2, 3,4]})
df['prod1'] = df['prod2'] = df['prod3'] = df['prod4'] = 0
df.iloc[range(df.shape[0]),df['Product']] = 1
df
>>
Product prod1   prod2   prod3   prod4
0   1   1   0   0   0
1   3   0   0   1   0
2   2   0   1   0   0
3   3   0   0   1   0
4   4   0   0   0   1

根据一列中存在的列名填充数据框中的其他列

2 个答案: