多个二进制列到一列答案

【问题标题】：Multiple binary columns to one column多个二进制列到一列
【发布时间】：2017-10-15 10:52:35
【问题描述】：

我有一个包含 21 列的 CSV 文件数据集，前 10 列是数字，我不想更改它们。接下来的 10 列是二进制数据，其中只包含 1 和 0，一个“1”，其他为“0”，最后一列是给定的标签。

示例数据如下所示

2596,51,3,258,0,510,221,232,148,6279,24(10th column),0,0,0,0,0,1(16th column),0,0,0,0,2(the last column)

假设我将数据加载到一个矩阵中，我可以保持前10列和最后一列不变，将中间10列转换为一列吗？转换后，我希望列值基于行中“1”的索引，就像上面的行一样，想要的结果是

2596,51,3,258,0,510,221,232,148,6279,24,6(it's 6 because the "1" is on 6th column of the binary data),2 #12 columns in total

我可以使用 NumPy、scikit-learn 或其他东西来实现这一点吗？

【问题讨论】：

标签： python pandas numpy scikit-learn

【解决方案1】：

如果它被加载到 numpy 数组中应该这样做

out = np.c_[in[:, :11], np.where(in[:, 11:-1])[1] + 1, in[:, -1]]

【讨论】：

我在数据集上使用它，我得到“ValueError：所有输入数组必须具有相同的维数”，之后我创建了一个小的 numpy 数组，如“b=array([[11 , 22, 0, 1, 0, 2], [22, 33, 1, 0, 0, 1]])" 并使用 "out = np.r_[b[:,:2],np.where(b [:,2:-1])[1]+1,b[:,-1]]" 我也收到此错误。我是否错误地设置了参数？谢谢。
糟糕，应该使用np.c_ 而不是np.r_。固定

【解决方案2】：

from io import StringIO

import pandas as pd

csv = StringIO("2596,51,3,258,0,510,221,232,148,6279,24,0,0,0,0,0,1,0,0,0,0,2"
               "\n1,2,3,4,5,6,7,8,9,10,11,0,0,0,0,1,0,0,0,0,0,1")

df = pd.read_csv(csv, header=None)

df = pd.concat(objs=[df[df.columns[:11]],
                     df[df.columns[11:-1]].idxmax(axis=1) - 10,
                     df[df.columns[-1]]], axis=1)

print(df)

输出：

     0   1   2    3   4    5    6    7    8     9   10  0   21
0  2596  51   3  258   0  510  221  232  148  6279  24   6   2
1     1   2   3    4   5    6    7    8    9    10  11   5   1

【讨论】：

【解决方案3】：

数据：

In [135]: df
Out[135]:
     0   1   2    3   4    5    6    7    8     9  ...  12  13  14  15  16  17  18  19  20  21
0  2596  51   3  258   0  510  221  232  148  6279 ...   0   0   0   0   1   0   0   0   0   2
1  2596  51   3  258   0  510  221  232  148  6279 ...   0   0   0   0   0   0   0   0   1   2

[2 rows x 22 columns]

解决方案：

df = pd.read_csv('/path/to/file.csv', header=None)

In [137]: df.iloc[:, :11] \
            .join(df.iloc[:, 11:21].dot(range(1,11)).to_frame(11)) \
            .join(df.iloc[:, -1])
Out[137]:
     0   1   2    3   4    5    6    7    8     9   10  11  21
0  2596  51   3  258   0  510  221  232  148  6279  24   6   2
1  2596  51   3  258   0  510  221  232  148  6279  24  10   2

【讨论】：

【解决方案4】：

设置

df = pd.DataFrame({0: {2596: 51},
 1: {2596: 3},
 2: {2596: 258},
 3: {2596: 0},
 4: {2596: 510},
 5: {2596: 221},
 6: {2596: 232},
 7: {2596: 148},
 8: {2596: 6279},
 9: {2596: 24},
 10: {2596: 0},
 11: {2596: 0},
 12: {2596: 0},
 13: {2596: 0},
 14: {2596: 0},
 15: {2596: 1},
 16: {2596: 0},
 17: {2596: 0},
 18: {2596: 0},
 19: {2596: 0},
 20: {2596: 2}})

解决方案

#find the index of the column with value 1 within the 10 columns
df.iloc[:,10] = np.argmax(df.iloc[:,10:20].values,axis=1)+1

#select the first 10 columns, the position column and the label column
df.iloc[:,list(range(11))+[20]]

Out[2167]: 
      0   1    2   3    4    5    6    7     8   9   10  20
2596  51   3  258   0  510  221  232  148  6279  24   6   2

【讨论】：