在熊猫的单列中融化多个布尔列答案

【问题标题】：Melt multiple boolean columns in a single column in pandas在熊猫的单列中融化多个布尔列
【发布时间】：2020-01-11 15:42:44
【问题描述】：

我有一个这样的熊猫数据框

  Windows Linux Mac
0 True    False False
1 False   True  False
2 False   False True

我想像这样将这三列组合成一列

  OS
0 Windows
1 Linux
2 Mac

我知道我可以写一个这样的简单函数

def aggregate_os(row):
   if row['Windows'] == True:
      return 'Windows'
   if row['Linux'] == True:
      return 'Linux'
   if row['Mac'] == True:
      return 'Mac'

我可以这样称呼

df['OS'] = df.apply(aggregate_os, axis=1)

问题是我的数据集很大，这个解决方案太慢了。有没有更有效的方法来进行这种聚合？

【问题讨论】：

标签： python-3.x pandas performance dataframe

【解决方案1】：

`idxmax`

df.idxmax(1).to_frame('OS')

        OS
0  Windows
1    Linux
2      Mac

`np.select`

pd.DataFrame(
    {'OS': np.select([*map(df.get, df)], [*df])},
    df.index
)

        OS
0  Windows
1    Linux
2      Mac

`dot`

df.dot(df.columns).to_frame('OS')

        OS
0  Windows
1    Linux
2      Mac

`np.where`

假设每行只有一个True

pd.DataFrame(
   {'OS': df.columns[np.where(df)[1]]},
    df.index
)

        OS
0  Windows
1    Linux
2      Mac

【讨论】：

【解决方案2】：

将boolean indexing 与stack 和rename 一起使用

df_new = df.stack()
df_new[df_new].reset_index(level=1).rename(columns={'level_1':'OS'}).drop(columns=0)

输出

        OS
0  Windows
1    Linux
2      Mac

【讨论】：