将变量分类为多列 (2)

Question

>我有一个带有分类变量段的数据帧

ID  Segment Var1 Var2 Var3
1   AAA     1    1    1
2   BBB     1    0    1
3   BBB     1    1    1
4   AAA     0    1    1
5   CCC     0    1    1
6   AAA     0    0    1
7   AAA     0    1    1
8   AAA     1    0    1
9   BBB     1    0    1
10  CCC     1    0    1

我想将列细分为每个变量转换为 3 个类别，如下所示：

ID Var1_AAA Var1_BBB Var1_CCC Var2_AAA Var2_BBB Var2_CC Var3_AAA Var3_BBB  Var3_CCC
1  1        null     null     1         null    null    1        null     null
2  null     1        null     null      0       null    null     1        null
3  null     1        null     null      1       null    null     1        null
4  0        null     null     1         null    null    1        null     null
5  null     null     0        null      null    1       null     null     1
6  0        null     null     0         null    null    1        null     null
7  0        null     null     1         null    null    1        null     null
8  1        null     null     0         null    null    1        null     null
9  null     1        null     null      0       null    null     1        null
10 null     null     1        null      null    0       null     null     1

你能帮我吗？

Answer 1

meltwithpivot_table

v = df.melt(['ID', 'Segment'])
v = v.pivot_table(index='ID', 
columns=['Segment', 'variable'], 
values='value', 
fill_value='null')
v.columns = v.columns.map('{0[1]}_{0[0]}'.format)

print(v)
Var1_AAA Var2_AAA Var3_AAA Var1_BBB Var2_BBB Var3_BBB Var1_CCC Var2_CCC  
ID                                                                           
1         1        1        1     null     null     null     null     null   
2      null     null     null        1        0        1     null     null   
3      null     null     null        1        1        1     null     null   
4         0        1        1     null     null     null     null     null   
5      null     null     null     null     null     null        0        1   
6         0        0        1     null     null     null     null     null   
7         0        1        1     null     null     null     null     null   
8         1        0        1     null     null     null     null     null   
9      null     null     null        1        0        1     null     null   
10     null     null     null     null     null     null        1        0   
Var3_CCC  
ID           
1      null  
2      null  
3      null  
4      null  
5         1  
6      null  
7      null  
8      null  
9      null  
10        1  

我建议省略fill_value='null'，而是用fill_value=0替换它或完全删除它，因为将字符串与数字数据混合会妨碍性能。但是，如果您只是要保存结果而不是仅此而已，则可以。

Answer 2

另一种方式是，

使用unstack格式和数据帧列名称

df= df.set_index(['ID','Segment']).unstack(fill_value='null')
df.columns = ['_'.join(val ) for val in zip(df.columns.get_level_values(0),df.columns.get_level_values(1))] 

或以更优雅的方式格式化列，

df.columns = df.columns.map('{0[0]}_{0[1]}'.format)
print df

输出：

Var1_AAA Var1_BBB Var1_CCC Var2_AAA Var2_BBB Var2_CCC Var3_AAA Var3_BBB  
ID                                                                           
1         1     null     null        1     null     null        1     null   
2      null        1     null     null        0     null     null        1   
3      null        1     null     null        1     null     null        1   
4         0     null     null        1     null     null        1     null   
5      null     null        0     null     null        1     null     null   
6         0     null     null        0     null     null        1     null   
7         0     null     null        1     null     null        1     null   
8         1     null     null        0     null     null        1     null   
9      null        1     null     null        0     null     null        1   
10     null     null        1     null     null        0     null     null   
Var3_CCC  
ID           
1      null  
2      null  
3      null  
4      null  
5         1  
6      null  
7      null  
8      null  
9      null  
10        1