创建二进制熊猫数据框（优化循环）

Question

想象一下我有这个数据框：

test = pd.DataFrame({"id" : [0,1,4,3],
                "cit" : [[6,7], [], [9,2,1], [0,1]]})

这个数据框：

       id   cit
   0    0   [6, 7]
   1    1   []
   2    4   [9, 2, 1]
   3    3   [0, 1]

（实际上，我有一个大约 13 000 行的数据框）

cit 列是 id 的链接（一种方式），id #0 具有与 id #6 和 id #7 的链接，id #1 没有链接，id #4 具有与 #9、#2 的链接并且#1 和 id #3 具有 id #0 和 id #1 的链接

如果有链接，如果链接了2个id我想放1，否则放0

我想要这个输出：

id  0   1   4   3
0   X   0   0   1
1   0   X   1   1
4   1   1   X   0
3   1   0   0   X

我写了一个代码，但有 2 个 for 循环.. 我想优化以下代码：

for i in range(len(test.id)):
   tmp = []
   for j in range(len(test.cit)):
     if test.id.iloc[i] in test.cit.iloc[j]:
        tmp.append(str(1))
     else:
        tmp.append(str(0))
   t2.loc[str(test.id.iloc[i])] = tmp
   print(i, '/' , len(test.id))
t2.values[[np.arange(len(test.id))]*2] = "X"

而且我不知道如何将 DataFrame 的上三角复制到下三角（我可以使用 for 循环来完成，但是 4 个 for 循环有 13 000 行，它会很慢..）

我检查了 iterrows() 和 itertuples() 函数，但我不知道该怎么做，isin() 或 apply/map() 函数也是如此。

提前感谢您的帮助。

Answer 1

我会创建一个新的DataFrame，然后你可以使用pd.crosstab

import pandas as pd

df = (pd.DataFrame(test.cit.values.tolist(), 
                   index = test.id)
        .stack()
        .reset_index(level=1, drop=True)
        .to_frame())

pd.crosstab(df.index, df[0].values.astype(int)).rename_axis(None,1).rename_axis('id', 0)

输出：

    0  1  2  6  7  9
id                  
0   0  0  0  1  1  0
3   1  1  0  0  0  0
4   0  1  1  0  0  1

---

如果需要，您可以在之后重新索引以获取所有行或所有列。但由于您的预期输出与您提供的数据不匹配，因此不确定是否需要。