python pandas中的R dcast等价物答案

【问题标题】：R dcast equivalent in python pandaspython pandas中的R dcast等价物
【发布时间】：2014-09-02 08:05:15
【问题描述】：

我正在尝试在 python 中执行以下命令：

test <- data.frame(convert_me=c('Convert1','Convert2','Convert3'),
                   values=rnorm(3,45, 12), age_col=c('23','33','44'))
test

library(reshape2)
t <- dcast(test, values ~ convert_me+age_col, length  )
t

也就是说，这个：

convert_me   values     age_col
Convert1     21.71502      23
Convert2     58.35506      33
Convert3     60.41639      44

变成这样：

values     Convert2_33 Convert1_23 Convert3_44
21.71502          0           1           0
58.35506          1           0           0
60.41639          0           0           1

我知道使用虚拟变量可以获取列的值并转换为列的名称，但是有没有办法像 R 那样轻松地合并它们（组合）？

【问题讨论】：

您想要进行这种特殊转换的更高层次的原因是什么？
我正在创建列，以便在机器学习算法中使用它。
您是否意识到 R 给您的内容有很多列，即1 + length(convert_me) * length(age_col)？起初我以为你会希望每个唯一年龄有一列，但这不是 R 为你做的（你可以看看你是否将相同的年龄分配给两行）。

标签： python r pandas

【解决方案1】：

您可以为此使用crosstab 函数：

In [14]: pd.crosstab(index=df['values'], columns=[df['convert_me'], df['age_col']])
Out[14]: 
convert_me  Convert1  Convert2  Convert3
age_col           23        33        44
values                                  
21.71502           1         0         0
58.35506           0         1         0
60.41639           0         0         1

或pivot_table（使用len作为聚合函数，但在这里您必须手动将fillna带零的NaN）：

In [18]: df.pivot_table(index=['values'], columns=['age_col', 'convert_me'], aggfunc=len).fillna(0)
Out[18]: 
age_col           23        33        44
convert_me  Convert1  Convert2  Convert3
values                                  
21.71502           1         0         0
58.35506           0         1         0
60.41639           0         0         1

有关这方面的文档，请参见此处：http://pandas.pydata.org/pandas-docs/stable/reshaping.html#pivot-tables-and-cross-tabulations

pandas 中的大多数函数将返回多级（分层）索引，在这种情况下是针对列。如果您想像在 R 中那样将其“融合”成一个级别，您可以这样做：

In [15]: df_cross = pd.crosstab(index=df['values'], columns=[df['convert_me'], df['age_col']])

In [16]: df_cross.columns = ["{0}_{1}".format(l1, l2) for l1, l2 in df_cross.columns]

In [17]: df_cross
Out[17]: 
          Convert1_23  Convert2_33  Convert3_44
values                                         
21.71502            1            0            0
58.35506            0            1            0
60.41639            0            0            1

【讨论】：

差不多就是这样。有没有办法合并 convert_me 和 age_col？如何在没有级别的情况下创建单个表。

【解决方案2】：

我们可以使用pd.get_dummies函数。在目前的pandas 0.22.0中，one-hot编码到Dataframe时，一般使用pd.get_dummies。

import pandas as pd

df_dummies = pd.get_dummies(
    df[['convert_me', 'age_col']].apply(lambda x: '_'.join(x.astype(str)), axis=1),
    prefix_sep='')
df = pd.concat([df["values"], df_dummies], axis=1)
# Out[39]:
#      values  Convert1_23  Convert2_33  Convert3_44
# 0  21.71502            1            0            0
# 1  58.35506            0            1            0
# 2  60.41639            0            0            1

【讨论】：