使用python将来自多列的值组合到每行的列表中答案

【问题标题】：Combine values from multiple columns into a list in each row using python使用python将来自多列的值组合到每行的列表中
【发布时间】：2021-09-02 21:20:32
【问题描述】：

我有以下数据框。

data = [[0, 0, 0, 0, 1], [0, 1, 0, 0, 1], [1, 1, 0, 0, 0], [0, 1, 0, 0, 0]]
labels = ['cat', 'dog', 'duck', 'fish', 'horse']
df = pd.DataFrame(data, columns = labels)

df: 
    cat dog duck fish horse
0    0   0   0    0    1
1    0   1   0    0    1
2    1   1   0    0    0
3    0   1   0    0    0

我根据特定条件从另一个数据帧中获得了 0 和 1。我想为对应于真值的值组合列名。即 1 放入列表中，并将其放入数据框末尾的新列中。

我希望我的结果看起来像这样。

   cat  dog  duck  fish horse   result
0   0    0    0     0    1     [horse]
1   0    1    0     0    1     [dog, horse]
2   1    1    0     0    0     [cat, dog]
3   0    1    0     0    0     [dog]

我的原始数据框中有大约 108 列和大约 3500 行。最好的方法是什么？

PS：我还没有成功找到方法。

谢谢

【问题讨论】：

标签： python pandas list dataframe numpy

【解决方案1】：

如果1 在每行的值中过滤列名称：

c = df.columns.to_numpy()
df['result'] = df.apply(lambda x: list(c[x == 1]), axis=1)

替代方案更快：

c = df.columns.to_numpy()
df['result'] = [c[x == 1] for x in df.to_numpy()]

print (df)
   cat  dog  duck  fish  horse        result
0    0    0     0     0      1       [horse]
1    0    1     0     0      1  [dog, horse]
2    1    1     0     0      0    [cat, dog]
3    0    1     0     0      0         [dog]

#[4000 rows x 100 columns]
df = pd.concat([df] * 1000, ignore_index=True)
df = pd.concat([df] * 20, ignore_index=True, axis=1).add_prefix('test')
    

In [38]: %%timeit
    ...: c = df.columns.to_numpy()
    ...: df.apply(lambda x: list(c[x == 1]), axis=1)
    ...: 
    ...: 
526 ms ± 33.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)


In [62]: %%timeit
    ...: c = df.columns.to_numpy()
    ...: [c[x == 1] for x in df.to_numpy()]
    ...: 
    ...: 
12.1 ms ± 1.6 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

其他解决方案：

In [58]: %%timeit
    ...: df.dot(df.columns + ',').str.strip(',').str.split(',')
    ...: 
50.7 ms ± 5.71 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [63]: %%timeit
    ...: df.mask(df.eq(0)).stack().reset_index(-1).groupby(level=0).agg({'level_1' : list }).values
    ...: 
    ...: 
162 ms ± 6.54 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

【讨论】：

dot 解决方案在没有timeit 的情况下也可以工作。也许是因为df['result'] = 因为它会添加new column 不太确定。如果你有什么想法，你能告诉我确切的原因吗？

【解决方案2】：

你可以试试：

df['result'] = df.dot(df.columns + ',').str.strip(',').str.split(',')

替代方案：

df['result'] = df.mask(df.eq(0)).stack().reset_index(-1).groupby(level=0).agg({'level_1' : list }).values

输出：

   cat  dog  duck  fish  horse        result
0    0    0     0     0      1       [horse]
1    0    1     0     0      1  [dog, horse]
2    1    1     0     0      0    [cat, dog]
3    0    1     0     0      0         [dog]

【讨论】：