将包含行名、列名和频率的 pandas df 转换为术语文档矩阵

【问题标题】：Converting pandas df containing rownames, columnnames and frequency to Term Document Matrix将包含行名、列名和频率的 pandas df 转换为术语文档矩阵
【发布时间】：2016-11-13 05:12:36
【问题描述】：

我有一个格式如下的 pandas df：输入：

 Freq Document  TermId
  3     A      112
  5     A      055
  1     C      003
  4     D      001
  2     B      003
  1     D      089

我想将此数据框转换为术语文档矩阵（最好是另一个 pandas df）。实现这一目标的最有效方法是什么？

Ex 输出：

Term/Document  A  B  C  D
    001        0  0  0  4
    003        0  2  1  0
    055        5  0  0  0
    089        0  0  0  1
    112        3  0  0  0

【问题讨论】：

标签： python numpy pandas scikit-learn nltk

【解决方案1】：

请注意，所需的 DataFrame 有一个索引，其标签来自 df['TermId']，其列标签来自 df['Document']。每当索引和列标签来自df 的列时，请考虑使用df.pivot（如果需要聚合，则使用df.pivot_table）：

import pandas as pd
df = pd.DataFrame({'Document': ['A', 'A', 'C', 'D', 'B', 'D'],
                   'Freq': ['3', '5', '1', '4', '2', '1'],
                   'TermId': ['112', '055', '003', '001', '003', '089']})
result = df.pivot(index='TermId', columns='Document', values='Freq').fillna(0)
print(result)

产量

Document  A  B  C  D
TermId              
001       0  0  0  4
003       0  2  1  0
055       5  0  0  0
089       0  0  0  1
112       3  0  0  0

【讨论】：

谢谢！ df.pivot_table 对我有用，因为原始 df 中的 TermId 列有重复