为列中的每个潜在值创建一个新列以创建与行值匹配的真值数组

Question

我有一个通用格式的数据集：

group_id   item_id  zone   time 
       1         1     1      1
       1         3     4      1
       2         6     3      1
       2         2     4      1
       3         1     1      1
       1         2     3      2
       1         6     2      2
       2         8     1      2
       2         5     2      2
       3         1     1      2

我希望为区域列中的每个潜在值创建一个新列，然后如果它代表该行，则为其分配一个真值。假设有四个潜在区域，列在names = ['zone_1', 'zone_2', 'zone_3', 'zone_4'] 中。输出应该是这样的：

group_id   item_id  time  zone_1  zone_2  zone_3  zone_4
       1         1     1       1       0       0       0
       1         3     1       0       0       0       1
       2         6     1       0       0       1       0
       2         2     1       0       0       0       1
       3         1     1       1       0       0       0      
       1         2     2       0       0       1       0
       1         6     2       0       1       0       0
       2         8     2       1       0       0       0
       2         5     2       0       1       0       0
       3         1     2       1       0       0       0

我不确定如何最好地实现这一目标。我可以直接从名称列表中创建新列。我可以为区域创建一个适当的数组（例如，将区域值 3 替换为 [0,0,1,0]），然后在“区域”上的 pd.explode 后跟一个枢轴，但逐行替换是密集的而且不是很像熊猫。我感谢任何其他建议。

需要注意的是 group_id + item_id + time 创建了一个唯一的项目（没有两个项目在所有三个值上都相同）。

谢谢！

编辑： 澄清一下，正如我不清楚的那样：可能存在比列中唯一出现的更多潜在区域。例如，上述数据集可以与names = ['zone_1', 'zone_2', 'zone_3', 'zone_4', 'zone_5] 配对。即使数据框中没有区域 5 出现的实例，它也需要一个新列。理想情况下，解决方案还将为此创建一个列（用于以后的可视化目的）。这种情况下的输出是：

group_id   item_id  time  zone_1  zone_2  zone_3  zone_4  zone_5
       1         1     1       1       0       0       0       0
       1         3     1       0       0       0       1       0
       2         6     1       0       0       1       0       0
       2         2     1       0       0       0       1       0
       3         1     1       1       0       0       0       0
       1         2     2       0       0       1       0       0
       1         6     2       0       1       0       0       0
       2         8     2       1       0       0       0       0
       2         5     2       0       1       0       0       0
       3         1     2       1       0       0       0       0

Answer 1

让我们做crosstab

df=df.join(pd.crosstab(df.index,df.zone).add_prefix('zone_'))
df
   group_id  item_id  zone  time  zone_1  zone_2  zone_3  zone_4
0         1        1     1     1       1       0       0       0
1         1        3     4     1       0       0       0       1
2         2        6     3     1       0       0       1       0
3         2        2     4     1       0       0       0       1
4         3        1     1     1       1       0       0       0
5         1        2     3     2       0       0       1       0
6         1        6     2     2       0       1       0       0
7         2        8     1     2       1       0       0       0
8         2        5     2     2       0       1       0       0
9         3        1     1     2       1       0       0       0

Answer 2

IIUC，使用pandas.get_dummies：

zones = df.pop("zone")
new_df = pd.concat([df, pd.get_dummies(zones, prefix="zone")], 1)
print(new_df)

输出：

   group_id  item_id  time  zone_1  zone_2  zone_3  zone_4
0         1        1     1       1       0       0       0
1         1        3     1       0       0       0       1
2         2        6     1       0       0       1       0
3         2        2     1       0       0       0       1
4         3        1     1       1       0       0       0
5         1        2     2       0       0       1       0
6         1        6     2       0       1       0       0
7         2        8     2       1       0       0       0
8         2        5     2       0       1       0       0
9         3        1     2       1       0       0       0