单热列到字符串列表的新列

Question

假设我有这个数据框：

        a   b   c   d
i    
0       1   0   0   0   
2       0   0   0   0
4       0   1   1   0

我想添加一个新列'class'来总结索引中的每个项目class，作为字符串列表：

        a   b   c   d   class
i    
0       1   0   0   0   ['a']
2       0   0   0   0    NaN
4       0   1   1   0   ['b','c']

我怎样才能以稳健（处理 NaN 和多classes）和高效的方式做到这一点？

现在我将每个列值转换为 bool 类型并在应用函数中乘以它的列名但是：它不能很好地处理 multi-class 和 NaN，而且它显然不是最优的。

感谢您的帮助！

Answer 1

您可以使用 numpy.where 获取出现 1 的位置的索引。从那里开始，您的列索引代表标签，行索引用于对齐。此代码对我有用：

# Allocate our output first to fill nans into rows who have no labels
out = pd.Series(np.nan, index=df.index, dtype=object)

for i, j in zip(*np.where(df)):
    i = df.index[i]             # Extract dataframe index label instead of integer position
    label = df.columns[j]       # Extract relevant class label

    if pd.isnull(out[i]):       # If the current value in `out` is null, make a list with the class label
        out[i] = [label]
    else:
        out[i].append(label)    # If there is already a label in the out[i] cell, append to it

df["class"] = out

print(df)
   a  b  c  d   class
i                    
0  1  0  0  0     [a]
2  0  0  0  0     NaN
4  0  1  1  0  [b, c]

单热列到字符串列表的新列

One-hot columns to a new column of string list

python

pandas

one-hot-encoding