如何将一个热编码数据帧转换为篮子稀疏矩阵答案

【问题标题】：How to transform a one hot encoded dataframe to a basket sparse matrix如何将一个热编码数据帧转换为篮子稀疏矩阵
【发布时间】：2019-05-23 23:38:18
【问题描述】：

我想将一个单热编码的数据帧转换为一个篮子稀疏矩阵。

我有这个：

df
Ticket Number  Water  Orange  Lemon  Strawb.  Peach  Book  Pen
5001           0      0      0     0       1     1    0
5002           1      1      0     0       1     1    0
5003           1      0      0     0       0     0    0

我想要这个：

df
Ticket Number 
5001           Peach, Book
5002           Water, Orange, Peach, Book
5003           Water

我在这里尝试了一些想法：

Pivoting a One-Hot-Encode Dataframe

但我自己无法想出解决方案。

我们将不胜感激。谢谢

【问题讨论】：

标签： python pandas

【解决方案1】：

将“票号”设置为索引后，您可以使用DataFrame.dot：

u = df.set_index('Ticket Number')
u.dot(u.columns+',').str.rstrip(',')

Ticket Number
5001                 Peach,Book
5002    Water,Orange,Peach,Book
5003                      Water
dtype: object

或者，

u.dot(u.columns+',').str[:-1].reset_index(name='Items')

   Ticket Number                    Items
0           5001               Peach,Book
1           5002  Water,Orange,Peach,Book
2           5003                    Water

同一事物的稍微更健壮的版本：

u = df.set_index('Ticket Number').select_dtypes([np.number])
u = u.fillna(0, downcast='infer').clip(lower=0, upper=1)
u.dot(u.columns+',').str[:-1]

Ticket Number
5001                 Peach,Book
5002    Water,Orange,Peach,Book
5003                      Water
dtype: object

【讨论】：

df.dot(df.columns+',').str[:-1]
出于某种原因，我认为 .dot() 只与 bool 一起使用 :(
@anky_91 只要它的 0/1 以任何形式工作，它就可以工作。点会将字符串与数字“相乘”。 s * 0 是 '' 而 s * 1 是 s。这就是这里的诀窍。
嗨@WeNYoBen 感谢您的努力。我遇到了这个错误：`TypeError: can't multiply sequence by non-int of type 'float'`
@cs95 感谢您的时间和帮助。我有一些值大于 1 的项目，因此它不起作用。感谢您的时间和精力！非常感谢

【解决方案2】：

任重而道远

df.melt('TicketNumber').loc[lambda x :x['value']==1].groupby('TicketNumber').variable.agg(','.join)
Out[746]: 
TicketNumber
5001                 Peach,Book
5002    Water,Orange,Peach,Book
5003                      Water
Name: variable, dtype: object

【讨论】：