如何从调查表和答案向量中获得一个热门编码矩阵

Question

我在Panda数据框架中收到了参与者的调查答案：

['A', 'B', 'C', 'A' ...],
['D', 'B', 'B', 'A' ...],
......................
['D', 'C', 'C', 'A' ...]]

我有一个调查的关键向量：

['D', 'B', 'B', 'A' ...]

我需要得到一个数据帧，显示调查的布尔结果，如：

[0, 1, 0, 1 ...],
[1, 1, 1, 1 ...],
......................
[1, 0, 0, 1 ...]]

我试过使用pd.get_dummies(users_answ，keys(，但这似乎是错误的

Answer 1

您应该能够简单地检查DataFrame和列表之间的相等性。列表应与列之间的DataFrame对齐：

df = pd.DataFrame([[*'ABCA'],[*'DBBA'],[*'DCCA']])
keys = [*'DBBA']
print(df)
0  1  2  3
0  A  B  C  A
1  D  B  B  A
2  D  C  C  A
print(keys)
['D', 'B', 'B', 'A']
print(df == keys)
0      1      2     3
0  False   True  False  True
1   True   True   True  True
2   True  False  False  True
# If you want actual integers instead of booleans
print((df == keys).astype(int))
0  1  2  3
0  0  1  0  1
1  1  1  1  1
2  1  0  0  1

Answer 2

最简单的方法似乎是使用pandas eq函数https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.eq.html#pandas.DataFrame.eq

所以整个解决方案只有一条线：

users_answ.eq(keys, axis=0)

替代解决方案：

#new array
checked_answ = []
#taking each row of surveys answers df
for r in range(0, users_answ.shape[0]): 
row = users_answ.iloc[r].tolist()
#creating the array for this row
p = []
for i in range(0, len(keys)):
if(keys[i] == row[i]):
p.append(1)
else:
p.append(0)
checked_answ.append(p)