根据系列内容和数据框生成布尔数据框

Question

我有：

 df = pd.DataFrame(
        [
            [22, 33, 44],
            [55, 11, 22],
            [33, 55, 11],
        ],
        index=["abc", "def", "ghi"],
        columns=list("abc")
    ) # size(3,3)

和：

unique = pd.Series([11, 22, 33, 44, 55]) # size(1,5)

然后我根据unique 和df 创建一个新的df，这样：

df_new = pd.DataFrame(index=unique, columns=df.columns) # size(5,3)

从这个新创建的df中，我想基于unique和df创建一个新的布尔df，所以最终结果是：

 df_new = pd.DataFrame(
        [
            [0, 1, 1],
            [1, 0, 1],
            [1, 1, 0],
            [0, 0, 1],
            [1, 1, 0],
        ],
        index=unique,
        columns=df.columns
    ) 

这个新的 df 是真还是假，这取决于该值是否存在于原始数据帧中。例如，第一列有三个值：[22,55,33]。在尺寸为 (5,3) 的 df 中，第一列将是：[0, 1, 1, 0, 1] 即 [0, 22, 33, 0 , 55]

我试过filter2 = unique.isin(df) 但这不起作用，也不是null。我尝试应用过滤器，但返回的尺寸不正确。我该怎么做？

Answer 1

将DataFrame.stack 与DataFrame.reset_index、DataFrame.pivot 一起使用，然后通过DataFrame.notna 检查是否没有缺失值，将True->1 和False->0 映射转换为整数，最后通过DataFrame.rename_axis 删除索引和列名：

df_new = (df.stack()
            .reset_index(name='v')
            .pivot('v','level_1','level_0')
            .notna()
            .astype(int)
            .rename_axis(index=None, columns=None))
print (df_new)
    a  b  c
11  0  1  1
22  1  0  1
33  1  1  0
44  0  0  1
55  1  1  0

Helper Series 不是必需的，但如果有更多值或需要通过 helper Series 更改订单，请使用添加 DataFrame.reindex:

#added 66
unique = pd.Series([11, 22, 33, 44, 55,66])

df_new = (df.stack()
            .reset_index(name='v')
            .pivot('v','level_1','level_0')
            .reindex(unique)
            .notna()
            .astype(int)
            .rename_axis(index=None, columns=None))
print (df_new)
    a  b  c
11  0  1  1
22  1  0  1
33  1  1  0
44  0  0  1
55  1  1  0
66  0  0  0