如何将 DataFrame 的列重新排列为索引二进制矩阵？答案

【问题标题】：How to rearrange the columns of a DataFrame into an indexed binary matrix?如何将 DataFrame 的列重新排列为索引二进制矩阵？
【发布时间】：2021-01-07 11:47:54
【问题描述】：

我正在尝试转换此数据框：

data_in = {
    'dates': [2017, 2017, 2018, 2019, 2019, 2019],
    'names': ['Roger', 'Rafa', 'Roger', 'Rafa', 'Novak', 'Dom']
}
df_in = pd.DataFrame(data_in)

>>> df_in
    dates   names
0   2017    Roger
1   2017    Rafa
2   2018    Roger
3   2019    Rafa
4   2019    Novak
5   2019    Dom

进入这个二进制矩阵：

>>> df_out

    Roger   Rafa    Novak   Dom
dates               
2017    1   1   0   0
2018    1   0   0   0
2019    0   1   1   1

所有日期作为索引，所有名称作为列，如果在日期出现名称，则数据为 1，如果不出现，则为 np.NaN 或 0。

我可以构建带有索引和列的 df_out 数据框，但是您将如何获取数据？

【问题讨论】：

这能回答你的问题吗？ How to pivot pandas DataFrame column to create binary "value table"?
更新数据是什么意思？另外，如果你有 2017 年，罗杰 2 次应该怎么办？
@L.Papadopoulos – 不是真的，因为我想在这里将具有重复项的列转换为具有唯一值的索引。
@DaniMesejo – ''更新'' 数据已重新制定。每对夫妇（日期、姓名）都是独一无二的。

标签： python pandas

【解决方案1】：

将get_dummies 与max 一起用于1，如果存在值，则使用0：

df = pd.get_dummies(df_in.set_index('dates')['names']).groupby(level=0).max()
print (df)
       Dom  Novak  Rafa  Roger
dates                         
2017     0      0     1      1
2018     0      0     0      1
2019     1      1     1      0

【讨论】：

level 参数有什么作用？？
它为每个索引创建最大值，所以最大值总是1
@Corralien - 什么版本的熊猫？
@Corralien - 谢谢，这是一个不错的功能，但理解它的原因。

【解决方案2】：

使用crosstab:

res = pd.crosstab(df_in['dates'], df_in['names'])
print(res)

输出

names  Dom  Novak  Rafa  Roger
dates                         
2017     0      0     1      1
2018     0      0     0      1
2019     1      1     1      0

如果只需要指标功能，做：

res = pd.crosstab(df_in['dates'], df_in['names']).gt(0).astype(int)
print(res)

输出

names  Dom  Novak  Rafa  Roger
dates                         
2017     0      0     1      1
2018     0      0     0      1
2019     1      1     1      0

【讨论】：

他为什么需要假人？有区别吗？
@adirabargil - 当然，如果重复，则 crosstab 计算数据，get_dummies 从不
如果用户只需要二进制值，那么 get_dummies 可以比交叉表快得多。当然，这只有在用户对速度感兴趣时才有意义。
好吧，你是对的，OP 说他需要二进制文件.. 但是它仍然很好的答案（在其他情况下会产生错误）