使用 python 创建多列虚拟变量

Question

我正在处理一个包含两列 ID 号的数据框。为了进一步研究，我想为这些 ID 号（使用两个 ID 号）制作一种虚拟变量。但是，我的代码不会合并两个数据框中的列。如何合并两个数据框中的列并创建虚拟变量？

数据框

import pandas as pd
import numpy as np
d = {'ID1': [1,2,3], 'ID2': [2,3,4]}
df = pd.DataFrame(data=d)

当前代码

pd.get_dummies(df, prefix = ['ID1', 'ID2'], columns=['ID1', 'ID2'])

期望输出

p = {'1': [1,0,0], '2': [1,1,0], '3': [0,1,1], '4': [0,0,1]}
df2 = pd.DataFrame(data=p)
df2

Answer 1

给猫剥皮的不同方法；我是这样做的——使用额外的 groupby:

# pd.get_dummies(df.astype(str)).groupby(lambda x: x.split('_')[1], axis=1).sum()
pd.get_dummies(df.astype(str)).groupby(lambda x: x.split('_')[1], axis=1).max()

   1  2  3  4
0  1  1  0  0
1  0  1  1  0
2  0  0  1  1

另一种选择是 stacking，如果您喜欢简洁：

# pd.get_dummies(df.stack()).sum(level=0)
pd.get_dummies(df.stack()).max(level=0)

   1  2  3  4
0  1  1  0  0
1  0  1  1  0
2  0  0  1  1

Answer 2

如果在输出中需要指标使用 max，如果需要计数值使用 sum 在 get_dummies 之后使用另一个参数并将值转换为字符串：

df = pd.get_dummies(df.astype(str), prefix='', prefix_sep='').max(level=0, axis=1)
#count alternative 
#df = pd.get_dummies(df.astype(str), prefix='', prefix_sep='').sum(level=0, axis=1)
print (df)
   1  2  3  4
0  1  1  0  0
1  0  1  1  0
2  0  0  1  1

使用 python 创建多列虚拟变量

Create dummy variable of multiple columns with python

python

pandas

variables

dummy-variable