将熊猫系列转换为布尔矩阵

Question

我有以下pd.Series 对象。

              ticker
date                
2020-02-06     BKBR3
2020-02-06     BRKM5
2020-02-06     CNTO3
..........    ......
2020-02-06    BIDI11
2020-02-06     BRPR3
2020-02-06     CVCB3
2020-02-06     ELET3
2020-02-06     GFSA3
2022-01-26    QETH11
2022-01-26     ABEV3
2022-01-26    BIDI11
2022-01-26     CRFB3
2022-01-26     LCAM3

我想把它变成一个布尔矩阵（不确定我是否使用了适当的术语），如下表所示。它具有与原始表相同的索引值，但ticker 列是旋转的，当列和索引在原始表中时值为True，当它们不在时为False。

            BKBR3  BRKM5  CNTO3  .....
date                           
2020-02-06  True   False  False  .....
2020-02-10  False  False  False  .....
..........  .....  .....  .....

有谁知道一个聪明的方法吗？我尝试旋转表格，但由于它没有值，所以它不起作用。

Answer 1

您提供的输出看起来不像一个系列，它看起来像一个带有索引“日期”和一列“值”的数据框。我认为这就是事实——显然很容易在两者之间切换，因此您可能需要对以下内容进行一些小改动

无论如何，你可以这样做——通过将其设为多索引df，然后unstack：

(df.set_index(['ticker'], append=True)
    .assign(v = True)
    .unstack(level=1)
    .fillna(False)
)

输出（对于您在问题中有输出的简短版本）

    v
ticker      ABEV3   BIDI11  BKBR3   BRKM5   BRPR3   CNTO3   CRFB3   CVCB3   ELET3   GFSA3   LCAM3   QETH11
date                                                
2020-02-06  False   True    True    True    True    True    False   True    True    True    False   False
2022-01-26  True    True    False   False   False   False   True    False   False   False   True    True

编辑

如果有重复的数据（同一日期的相同代码多次使用），则可以使用groupby 而不是set_index：

(df.reset_index()
    .assign(v = True)
    .groupby(['date','ticker']).first()
    .unstack(level=1)
    .fillna(False)
)

Answer 2

经过更多尝试后，设法使用pivot 方法做到了。

df["bool"] = 1
df = df.groupby(["date", "ticker"]).sum()
df = df.reset_index()
df = df.pivot(index="date", columns="ticker", values="bool")
df = df.fillna(0)