从另一个 DataFrame 为每一列创建唯一值的 DataFrame
Creating a dataframe of Unique Values for each column from another DataFrame
我有一个包含 60 多列的数据框。其中,大约一半是分类的(非数量列)。虽然,其中一些将分类数据存储为 1 和 0,因此如果数据类型为 NaN,则数据类型将为 int 或 float。
我需要创建一个新的数据框,将早期数据框中的选定列作为索引,并将唯一值作为列。
测试数据如下:
data = pd.DataFrame({'A':['A','B','C','A','B','C','D'],
'B':[1,0,1,0,1,0,1],
'C':[10,20,30,40,50,60,70],
'D':['Y','N','Y','N','Y','N','P']
})
我这样做是为了从所有列中获取选定的列并为每列获取唯一值。
cols = itemgetter(0,1,3)(data.columns)
uniq_stats = pd.DataFrame(columns=['Val'],index=cols)
for each in cols:
uniq_stats.loc[each] = ';'.join(data[each].unique())
但是,对于那些数据是分类的但存储在 1 和 0 中的列,以及那些有 Null 值的列,这会失败。
以上测试数据的预期结果:
Val
A A;B;C;D
B 1;0
D Y;N;P
我应该怎么做才能得到这些?
我想 Null 值是否也包含在唯一值列表中。
好的。我尝试了 map() 函数来执行此操作,我认为它有效。现在在唯一值列表中包括数字类别和 nan 值。
cols = itemgetter(0,1,3)(data.columns)
uniq_stats = pd.DataFrame(columns=['Val'],index=cols)
for each in cols:
uniq_stats.loc[each] = ';'.join(map(str,data[each].unique()))
但是,如果有更好更快的方法,请分享。
我认为你可以将 .stack()
与 .groupby.unique()
一起使用
selected_cols = ['A','B']
s = data[selected_cols].stack(dropna=False).groupby(level=[1]).unique()
s.to_frame('vals')
vals
A [A, B, C, D]
B [1, 0]
另一种使用 melt 的方法。
pd.melt(data).groupby('variable')['value'].unique()
variable
A [A, B, C, D]
B [1, 0]
C [10, 20, 30, 40, 50, 60, 70]
D [Y, N, P]
Name: value, dtype: object
使用DataFrame.iloc
for columns by positions and then add lambda function in DataFrame.agg
:
df = data.iloc[:, [0,1,3]].agg(lambda x: ';'.join(x.astype(str).unique())).to_frame('Val')
print (df)
Val
A A;B;C;D
B 1;0
D Y;N;P
类似的想法是只转换唯一值,所以应该更快:
df = data.iloc[:,[0,1,3]].agg(lambda x:';'.join(str(y) for y in x.unique())).to_frame('Val')
print (df)
Val
A A;B;C;D
B 1;0
D Y;N;P
我有一个包含 60 多列的数据框。其中,大约一半是分类的(非数量列)。虽然,其中一些将分类数据存储为 1 和 0,因此如果数据类型为 NaN,则数据类型将为 int 或 float。
我需要创建一个新的数据框,将早期数据框中的选定列作为索引,并将唯一值作为列。
测试数据如下:
data = pd.DataFrame({'A':['A','B','C','A','B','C','D'],
'B':[1,0,1,0,1,0,1],
'C':[10,20,30,40,50,60,70],
'D':['Y','N','Y','N','Y','N','P']
})
我这样做是为了从所有列中获取选定的列并为每列获取唯一值。
cols = itemgetter(0,1,3)(data.columns)
uniq_stats = pd.DataFrame(columns=['Val'],index=cols)
for each in cols:
uniq_stats.loc[each] = ';'.join(data[each].unique())
但是,对于那些数据是分类的但存储在 1 和 0 中的列,以及那些有 Null 值的列,这会失败。
以上测试数据的预期结果:
Val
A A;B;C;D
B 1;0
D Y;N;P
我应该怎么做才能得到这些? 我想 Null 值是否也包含在唯一值列表中。
好的。我尝试了 map() 函数来执行此操作,我认为它有效。现在在唯一值列表中包括数字类别和 nan 值。
cols = itemgetter(0,1,3)(data.columns)
uniq_stats = pd.DataFrame(columns=['Val'],index=cols)
for each in cols:
uniq_stats.loc[each] = ';'.join(map(str,data[each].unique()))
但是,如果有更好更快的方法,请分享。
我认为你可以将 .stack()
与 .groupby.unique()
selected_cols = ['A','B']
s = data[selected_cols].stack(dropna=False).groupby(level=[1]).unique()
s.to_frame('vals')
vals
A [A, B, C, D]
B [1, 0]
另一种使用 melt 的方法。
pd.melt(data).groupby('variable')['value'].unique()
variable
A [A, B, C, D]
B [1, 0]
C [10, 20, 30, 40, 50, 60, 70]
D [Y, N, P]
Name: value, dtype: object
使用DataFrame.iloc
for columns by positions and then add lambda function in DataFrame.agg
:
df = data.iloc[:, [0,1,3]].agg(lambda x: ';'.join(x.astype(str).unique())).to_frame('Val')
print (df)
Val
A A;B;C;D
B 1;0
D Y;N;P
类似的想法是只转换唯一值,所以应该更快:
df = data.iloc[:,[0,1,3]].agg(lambda x:';'.join(str(y) for y in x.unique())).to_frame('Val')
print (df)
Val
A A;B;C;D
B 1;0
D Y;N;P