分组数据和搜索值集

Question

这是数据框：

drug_id      illness 
    lexapro.1     HD
    lexapro.1     MS
    lexapro.2     HDED
    lexapro.2     MS
    lexapro.2     MS
    lexapro.3     CD
    lexapro.3     Sweat
    lexapro.4     HD
    lexapro.5     WD
    lexapro.5     FN

首先，我将根据 drug_id 对数据进行分组，并在疾病列中搜索 HD、Sweat、WD、CD、MS 和 FN 的可用性。那么如果疾病值为“HD or Sweat or WD”，df2 中的“HD”列将得到 1，如果 F1 中的疾病值为 MS 或 HDED，则 df2 中的 MS 列将得到 1，如果 FN 中的疾病为1，则df2中的FN会收到1。所以df2是这样的：

df2:
drug_id       HD      MS    FN
lexapro.1      1      1      0
lexapro.2      0      1      0   
lexapro.3      1      0      0
lexapro.4      1      0      0
lexapro.5      1      0      1

我已经问过一个类似的问题。但是在那个问题中，在疾病列中搜索值时没有“或”。 grouping data in a data-frame, checking for availability of specific values, and updating the second data frame

Answer 1

另一种实现方式

pd.crosstab(df['drug_id'],df['illness']).rename(columns={'Sweat' : 'HD', 'WD': 'HD', 'HDED' : 'MS'}).groupby(lambda x : x,axis=1).sum().gt(0).astype(int).drop('CD',1)
Out[290]: 
           FN  HD  MS
drug_id              
lexapro.1   0   1   1
lexapro.2   0   0   1
lexapro.3   0   1   0
lexapro.4   0   1   0
lexapro.5   1   1   0

Answer 2

这可以通过replace 调用来完成：

repl_dict = {'Sweat' : 'HD', 'WD': 'HD', 'HDED' : 'MS'}
df.illness = df.illness.replace(repl_dict)

现在，使用您之前答案中的任何选项。

df.set_index('drug_id').illness.str.get_dummies()\
         .sum(level=0).ge(1).astype(int).drop('CD', 1)

           FN  HD  MS
drug_id              
lexapro.1   0   1   1
lexapro.2   0   0   1
lexapro.3   0   1   0
lexapro.4   0   1   0
lexapro.5   1   1   0

---

piRSquared shortened replacement 和 groupby 到一行：

df.illness.replace(repl_dict).groupby(df.drug_id)\
         .apply('|'.join).str.get_dummies().drop('CD', 1)

           FN  HD  MS
drug_id              
lexapro.1   0   1   1
lexapro.2   0   0   1
lexapro.3   0   1   0
lexapro.4   0   1   0
lexapro.5   1   1   0

谢谢！