从两个值的总和制作虚拟列的pythonic方法

Question

我有一个数据框，其中有一列名为 label，其值为 [0,1,2,3,4,5,6,8,9]。我想用它来制作虚拟列，但我希望将一些标签连接在一起，例如，如果观察具有标签 0、1 或 2，我希望 dummy_012 为 1。

如果我使用命令 df2 = pd.get_dummies(df, columns=['label'])，它会创建 9 列，每个标签 1 列。

我知道我可以在那之后使用 df2['dummy_012']=df2['dummy_0']+df2['dummy_1']+df2['dummy_2'] 将它变成一个联合专栏，但我想知道是否有更 pythonic 的方式来做到这一点（或一些我可以更改参数的函数连接）。

Answer 1

也许这种方法可以提供一个思路：

groups = ['012', '345', '6789']
for gp in groups:
    df.loc[df['Label'].isin([int(x) for x in gp]), 'Label_Group'] = f'dummies_{gp}'

输出：

   Label   Label_Group
0      0   dummies_012
1      1   dummies_012
2      2   dummies_012
3      3   dummies_345
4      4   dummies_345
5      5   dummies_345
6      6  dummies_6789
7      8  dummies_6789
8      9  dummies_6789

然后应用虚拟对象：

df_dummies = pd.get_dummies(df['Label_Group'])
   dummies_012  dummies_345  dummies_6789
0            1            0             0
1            1            0             0
2            1            0             0
3            0            1             0
4            0            1             0
5            0            1             0
6            0            0             1
7            0            0             1
8            0            0             1

Answer 2

我不知道这是 pythonic，因为可能存在更优雅的解决方案，但我确实允许您更改参数并且它是矢量化的。我读过 get_dummies() 对于大量数据可能会有点慢，并且矢量化 pandas 通常是一种很好的做法。所以我将这个函数向量化，并让它用 numpy 数组进行计算。与类似函数相比，随着数据集大小的增加，它应该可以提高性能。

此函数会将您的数据框和数字列表作为字符串，并将 return 您的数据框包含您想要的列。

def get_dummy(df,column_nos):
    new_col_name = 'dummy_'+''.join([i for i in column_nos])
    vector_sum = sum([df[i].values for i in column_nos])
    df[new_col_name] = [1 if i>0 else 0 for i in vector_sum]

    return df

如果您希望输入整数而不是字符串，您可以将上述函数调整为如下所示。

def get_dummy(df,column_nos):
    column_names = ['dummy_'+str(i) for i in column_nos]
    new_col_name = 'dummy_'+''.join([str(i) for i in sorted(column_nos)])

    vector_sum = sum([df[i].values for i in column_names])
    df[new_col_name] = [1 if i>0 else 0 for i in vector_sum]

    return df

从两个值的总和制作虚拟列的pythonic方法

pythonic way of making dummy column from sum of two values

python

pandas

dummy-variable