将列值移动到 True/False 值

Question

我有一个类似的数据集：

 data = {'lat': [0.15, 0.15, 0.15, 0.15, 0.25, 0.25, 0.48, 0.48, 0.48, 0.48],
        'lon': [0.87, 0.87, 0.87, 0.87, 0.12, 0.12, 0.59, 0.59, 0.59, 0.59],
        'animal': ['dog', 'cat', 'rat', 'rat', 'cat', 'rat', 'cat', 'dog', 'dog', 'rat'],
        'category': ['A', 'C', 'B', 'C', 'B', 'B', 'C', 'A', 'C', 'C']}
mdf = pd.DataFrame(data)

mdf
Out[460]: 
    lat   lon animal category
0  0.15  0.87    dog        A
1  0.15  0.87    cat        C
2  0.15  0.87    rat        B
3  0.15  0.87    rat        C
4  0.25  0.12    cat        B
5  0.25  0.12    rat        B
6  0.48  0.59    cat        C
7  0.48  0.59    dog        A
8  0.48  0.59    dog        C
9  0.48  0.59    rat        C

我想使用 'animal'、'lat' 和 'lon' 作为某种索引来获得这样的结果：

      lat   lon animal     A      B      C
0    0.15  0.87    dog True   False  False
1    0.15  0.87    cat False  False  True
2    0.15  0.87    rat False  True   True
4    0.25  0.12    cat False  True   False
5    0.25  0.12    rat False  True   False
6    0.48  0.59    cat False  False  True
7    0.48  0.59    dog True   False  True
9    0.48  0.59    rat False  False  True

我真的不在乎它是真/假、1/0 等等，只要我能看到“lat”、“long”和“animal”的每个组合都有哪些类别。

我一直在尝试几种选择，但均未成功：pivot、pivot_table、groupby、stack/unstack...但似乎没有一个能满足我的需求。

我剩下的唯一选择是遍历不同的“纬度”、“经度”、“动物”备选方案，并检查每个“类别”是否出现。

也许这可以通过将'lat'、'lon'、'animal'定义为索引并以某种方式“unmelting”来以某种方式完成

有什么建议吗？

谢谢。

---

编辑：我无法在 cmets 中添加新行，而且我不知道如何联系关闭帖子的人，所以让我在这里补充一些解释。抱歉给您带来的困扰。

Quang，感谢您引用不同的线程。但是，我不确定它是否对我有帮助。

我可以这样做：

pd.get_dummies(mdf['category'], prefix='', prefix_sep='')

但是我得到了最初的 10 行，而不是我瞄准的表格。

要使用 get_dummies 获得有用的东西，我必须这样做：

mdf = mdf.join(pd.get_dummies(mdf['category'], prefix='', prefix_sep=''))
mdf[['A', 'B', 'C']] = mdf.groupby(['lat', 'lon', 'animal'])[['A', 'B', 'C']].transform('sum')
mdf.drop_duplicates(subset=['lat', 'lon', 'animal'], inplace=True)
d = {1: True,
     0: False}
mdf[['A', 'B', 'C']] = mdf[['A', 'B', 'C']].replace(d)
mdf.drop('category',
        axis=1,
        inplace=True)

但这似乎过于复杂，我觉得必须有更好的方法......

我也想过这个：

mdf['value'] = [True] * 10
mdf = mdf.set_index(['lat', 'lon', 'animal', 'category'])
mdf = mdf.unstack(fill_value=False)
mdf = mdf.reset_index()
mdf.columns = ['lat', 'lon', 'animal', 'A', 'B', 'C']

但同样，通过玩索引来欺骗系统似乎太不合 Python 了...

肯定有更好的办法！

谢谢。

Answer 1

我的原始索引值无关紧要，您可以使用get_dummies 将A、B 和C 列连接到原始数据帧，然后按经纬度和动物分组并对布尔列求和：

categs = np.sort(mdf['category'].unique())

resul = pd.concat([mdf, pd.get_dummies(mdf['category']).astype(bool)], axis=1
                  ).groupby(['lat', 'lon', 'animal'])[categs].sum().reset_index()

它给出：

    lat   lon animal      A      B      C
0  0.15  0.87    cat  False  False   True
1  0.15  0.87    dog   True  False  False
2  0.15  0.87    rat  False   True   True
3  0.25  0.12    cat  False   True  False
4  0.25  0.12    rat  False   True  False
5  0.48  0.59    cat  False  False   True
6  0.48  0.59    dog   True  False   True
7  0.48  0.59    rat  False  False   True