分组数据并搜索一组值

Question

这是数据框架：

drug_id      illness 
    lexapro.1     HD
    lexapro.1     MS
    lexapro.2     HDED
    lexapro.2     MS
    lexapro.2     MS
    lexapro.3     CD
    lexapro.3     Sweat
    lexapro.4     HD
    lexapro.5     WD
    lexapro.5     FN

首先，我将根据drug_id进行分组数据，并在疾病列中搜索HD，汗，WD，CD，CD，MS和FN的可用性。然后，如果疾病值是"高清，汗水或wd"，则DF2中的" HD"列将获得1，如果F1中的疾病值是MS或HD，则DF2中的MS列将获得1，如果FN中的疾病在FN中。是1，然后df2中的fn将接收1。因此，df2就是这样：

df2:
drug_id       HD      MS    FN
lexapro.1      1      1      0
lexapro.2      0      1      0   
lexapro.3      1      0      0
lexapro.4      1      0      0
lexapro.5      1      0      1

我已经问了一个类似的问题。但是，在这个问题中，没有"或"在列疾病中寻找价值。将数据分组在数据框架中，检查特定值的可用性，并更新第二个数据框架

Answer 1

这可以通过replace调用：

来完成

repl_dict = {'Sweat' : 'HD', 'WD': 'HD', 'HDED' : 'MS'}
df.illness = df.illness.replace(repl_dict)

现在，使用以前答案中的任何选项。

df.set_index('drug_id').illness.str.get_dummies()
         .sum(level=0).ge(1).astype(int).drop('CD', 1)
           FN  HD  MS
drug_id              
lexapro.1   0   1   1
lexapro.2   0   0   1
lexapro.3   0   1   0
lexapro.4   0   1   0
lexapro.5   1   1   0

---

PirSquared将replace和groupby缩短到一行：

df.illness.replace(repl_dict).groupby(df.drug_id)
         .apply('|'.join).str.get_dummies().drop('CD', 1)
           FN  HD  MS
drug_id              
lexapro.1   0   1   1
lexapro.2   0   0   1
lexapro.3   0   1   0
lexapro.4   0   1   0
lexapro.5   1   1   0

谢谢！

Answer 2

另一种方法实现此

pd.crosstab(df['drug_id'],df['illness']).rename(columns={'Sweat' : 'HD', 'WD': 'HD', 'HDED' : 'MS'}).groupby(lambda x : x,axis=1).sum().gt(0).astype(int).drop('CD',1)
Out[290]: 
           FN  HD  MS
drug_id              
lexapro.1   0   1   1
lexapro.2   0   0   1
lexapro.3   0   1   0
lexapro.4   0   1   0
lexapro.5   1   1   0