Pandas Dataframe - 添加其他？

Question

我想为我的贝叶斯网络生成测试数据。这是我当前的代码：

data = np.random.randint(2, size=(5, 6))
columns = ['p_1', 'p_2', 'OP1', 'OP2', 'OP3', 'OP4']
df = pd.DataFrame(data=data, columns=columns)

df.loc[(df['p_1'] == 1) & (df['p_2'] == 1), 'OP1'] = 1

df.loc[(df['p_1'] == 1) & (df['p_2'] == 0), 'OP2'] = 1

df.loc[(df['p_1'] == 0) & (df['p_2'] == 1), 'OP3'] = 1

df.loc[(df['p_1'] == 0) & (df['p_2'] == 0), 'OP4'] = 1


print(df)

所以每次，例如，p_1 有一个 1，p_2 有一个 1，OP1 也应该是 1，所有其他值应该在列中输出 0。当p_1为1且p_2为0时，OP2应为1，其他均为0，依此类推。

但我当前的输出如下：

p_1	p_2	OP1	OP2	OP3	OP4
0	0	0	0	0	1
1	0	1	1	1	1
0	0	1	1	0	1
0	1	1	1	1	1
1	0	0	1	1	0

有什么办法可以解决吗？我做错了什么？

其他人的问题解答我不是很懂，所以想在这里问一下。

希望有人能帮助我。

Answer 1

您可以为测试定义元组，并通过将掩码值转换为整数来创建新列，用于 True/False 到 1/0 映射：

vals = [(1,1),(1,0),(0,1),(0,0)]
for i, (a, b) in enumerate(vals, 1):
    df[f'OP{i}'] = ((df['p_1'] == a) & (df['p_2'] == b)).astype(int)
print(df)
   p_1  p_2  OP1  OP2  OP3  OP4
0    0    0    0    0    0    1
1    0    1    0    0    1    0
2    0    1    0    0    1    0
3    0    1    0    0    1    0
4    1    0    0    1    0    0

在您的解决方案中首先设置 0，因为原始 DataFrame 中已经设置了 1 值：

cols = ['OP1', 'OP2', 'OP3', 'OP4']
df[cols] = 0

Answer 2

问题是当您实例化 df 时，“OP”列已经有一些值：

data = np.random.randint(2, size=(5, 6)) 
columns = ['p_1', 'p_2', 'OP1', 'OP2', 'OP3', 'OP4'] 
df = pd.DataFrame(data=data, columns=columns) 

df                                                                      

   p_1  p_2  OP1  OP2  OP3  OP4
0    1    1    0    1    0    0
1    0    0    1    1    0    1
2    0    1    1    1    0    0
3    1    1    1    1    0    1
4    0    1    1    0    1    0

用您的代码修复它的一种方法是在之前强制所有“OP”列为 0：

df["OP1"] = df["OP2"] = df["OP3"] df["OP4"] = 0

但是你生成的随机数太多了。我会这样做：

data = np.random.randint(2, size=(5, 2)) 
columns = ['p_1', 'p_2'] 
df = pd.DataFrame(data=data, columns=columns) 
df["OP1"] = ((df['p_1'] == 0) & (df['p_2'] == 1)).astype(int)

Pandas Dataframe - 添加其他？

Pandas Dataframe - Adding Else?

python

bayesian-networks

training-data

dataframe

pandas