如何将标题映射到熊猫中的列？答案

【问题标题】：How can I map the headers to columns in pandas?如何将标题映射到熊猫中的列？
【发布时间】：2017-09-12 22:01:39
【问题描述】：

我有一个像这样的数据框：

A    B    C 
1    0    0
1    1    0
0    1    0
0    0    1

我想要：

 A    B    C  label
 1    0    0   A
 1    1    0   AB
 0    1    0   B
 0    0    1   C

我尝试通过 map 或 apply 来做，但我想不通。

【问题讨论】：

标签： python pandas

【解决方案1】：

df = df.assign(label=[''.join([df.columns[n] for n, bool in enumerate(row) if bool]) 
                      for _, row in df.iterrows()])
>>> df
   A  B  C label
0  1  0  0     A
1  1  1  0    AB
2  0  1  0     B
3  0  0  1     C

时间

# Set-up:
df_ = pd.concat([df] * 10000)

%%timeit
# Solution by @Wen 
df1 = df_.reset_index().melt('index')
df1 = df1[df1.value==1]
df['label'] = df1.groupby('index').variable.sum()
# 10 loops, best of 3: 47.6 ms per loop

%%timeit
# Solution by @MaxU
df_['label'] = df_.apply(lambda x: ''.join(df_.columns[x.astype(bool)].tolist()), axis=1)
# 1 loop, best of 3: 4.99 s per loop

%%timeit
# Solution by @TedPetrou
df_['label'] = np.where(df_, df_.columns, '').sum(axis=1)
# 100 loops, best of 3: 12.5 ms per loop

%%timeit
# Solution by @Alexander
df_['label'] = [''.join([df_.columns[n] for n, bool in enumerate(row) if bool]) for _, row in df_.iterrows()]
# 1 loop, best of 3: 3.75 s per loop

%%time
# Solution by @PiRSquared
df_['label'] = df_.dot(df_.columns)
# CPU times: user 18.1 ms, sys: 706 µs, total: 18.8 ms
# Wall time: 18.9 ms

【讨论】：

【解决方案2】：

这是一个惯用且高效的解决方案

df['label'] = np.where(df, df.columns, '').sum(axis=1)

   A  B  C label
0  1  0  0     A
1  1  1  0    AB
2  0  1  0     B
3  0  0  1     C

【讨论】：

这很优雅！
不错！！~ :)
@TedPetrou 有没有一种 Numpy 方法可以让我得到类似“A+B”或“A/B”而不是“AB”的东西？我可以使用任何 Numpy 方法连接字符串吗？

【解决方案3】：

或者使用melt和groupby

df1 = df.reset_index().melt('index')
df1 = df1[df1.value==1]
df['label'] = df1.groupby('index').variable.sum()
df

Out[976]: 
   A  B  C label
0  1  0  0     A
1  1  1  0    AB
2  0  1  0     B
3  0  0  1     C

或者

df['label'] = df.T.apply(lambda x: ''.join(x.index[x==1]),axis=0)
df
Out[984]: 
   A  B  C label
0  1  0  0     A
1  1  1  0    AB
2  0  1  0     B
3  0  0  1     C

【讨论】：

工作但相当慢。如果可能，您通常希望避免使用 groupby
@GiantsLoveDeathMetal 今天会开始注意我的代码格式 :)
@sunny 你可以为这些答案投票，请接受 Ted 的回答
你们比我善良多了。我必须软化我的灵魂。
@TedPetrou 对我来说，声誉远不如学习一个好的解决方案重要！！！！，你的回答让我很开心，我正在努力将我的一些工作代码替换为你的解决方案:)，祝你有美好的一天！

【解决方案4】：

使用dot

df.assign(label=df.dot(df.columns))

   A  B  C label
0  1  0  0     A
1  1  1  0    AB
2  0  1  0     B
3  0  0  1     C

使用底层 numpy 数组也是如此

df.assign(label=df.values.dot(df.columns.values))

   A  B  C label
0  1  0  0     A
1  1  1  0    AB
2  0  1  0     B
3  0  0  1     C

【讨论】：

这个也很聪明！
df.dot(df.columns) 很好。
哇，我不知道你可以将整数和对象相乘
@TedPetrou 是的！关于df.columns.values 属于dtype object 的敏锐观察。以下失败 df.values.dot(df.columns.values.astype(str)) 和 np.where(df, df.columns, '').astype(str).sum(axis=1)

【解决方案5】：

In [101]: df['label'] = df.apply(lambda x: ''.join(df.columns[x.astype(bool)].tolist()), axis=1)

In [102]: df
Out[102]:
   A  B  C label
0  1  0  0     A
1  1  1  0    AB
2  0  1  0     B
3  0  0  1     C

PS 我肯定会选择@Ted's solution，因为它更好，而且更快……更快

【讨论】：

@GiantsLoveDeathMetal，我们的 Pandas 社区正在成长——非常感谢！ :-)
@GiantsLoveDeathMetal 这是 IPython 终端提示符，而不是笔记本。如果数字是 101，这意味着有 100 次不成功的尝试得到正确答案... LOL (j/k ;-))
是的@cᴏʟᴅsᴘᴇᴇᴅ，我很难想到 IPython 终端提示的统称。