使用唯一值基于另一个数据框创建数据框答案

【问题标题】：Create a dataframe based on another dataframe using unique values使用唯一值基于另一个数据框创建数据框
【发布时间】：2023-04-09 14:05:02
【问题描述】：

如果我有这样的 Pandas 数据框：

colA colB
 A    A1
 B    C1
 A    B1
 B    A1

colA 有 2 个唯一值（A、B），而 colB 有 3 个唯一值（A1、B1 和 C1）。

我想创建一个新的数据框，其中 colA 和 colB 都是组合，另一列 colC 是 1 或 0，基于早期 df 中的组合。

预期结果：

colA colB colC
 A    A1   1
 A    B1   1
 A    C1   0
 B    A1   1
 B    B1   0
 B    C1   1

【问题讨论】：

标签： python pandas

【解决方案1】：

首先由DataFrame.assign 创建新列，由1 填充，然后通过Series.unique 两列的值创建MultiIndex.from_product，在DataFrame.set_index 之后使用DataFrame.reindex - 可以为新附加行设置值colC 列由fill_value 参数：

mux = pd.MultiIndex.from_product([df['colA'].unique(),
                                  df['colB'].unique()], names=['colA','colB'])
df1 = df.assign(colC = 1).set_index(['colA','colB']).reindex(mux, fill_value=0).reset_index()
print (df1)
  colA  colB  colC
0      A  A1     1
1      A  C1     0
2      A  B1     1
3      B  A1     1
4      B  C1     1
5      B  B1     0

替代方案是使用DataFrame.set_index、Series.unstack 和DataFrame.stack 重塑：

df1 = (df.assign(colC = 1)
         .set_index(['colA','colB'])['colC']
         .unstack(fill_value=0)
         .stack()
         .reset_index(name='ColC'))

print (df1)
  colA colB  ColC
0    A   A1     1
1    A   B1     1
2    A   C1     0
3    B   A1     1
4    B   B1     0
5    B   C1     1

另一种解决方案是由itertools.product 创建新的DataFrame，DataFrame.merge 与indicator=True，重命名列并通过both 比较设置并将True/False 的整数转换为1/0 映射：

from  itertools import product
df1 = pd.DataFrame(product(df['colA'].unique(), df['colB'].unique()), columns=['colA','colB'])
df = df1.merge(df, how='left', indicator=True).rename(columns={'_merge':'colC'})
df['colC'] = df['colC'].eq('both').astype(int)
print (df)
  colA colB  colC
0    A   A1     1
1    A   C1     0
2    A   B1     1
3    B   A1     1
4    B   C1     1
5    B   B1     0

如有必要，最后按DataFrame.sort_values 按两列添加排序：

df1 = df1.sort_values(['colA','colB'])

【讨论】：

你能解释一下你在做什么，特别是对 assign() 行吗？
@FedericoS - 完成:)