如何从现有数据框创建新数据框？答案

【问题标题】：How to create a new dataframe from existing dataframes?如何从现有数据框创建新数据框？
【发布时间】：2018-06-07 23:54:56
【问题描述】：

我有以下 2 个数据框：

df1

product_ID         tags
100         chocolate, sprinkles
101         chocolate, filled
102         glazed

df2

customer   product_ID
A            100
A            101
B            101
C            100
C            102
B            101
A            100
C            102

我应该能够像这样创建一个新的数据框。

| customer | chocolate | sprinkles | filled | glazed |
|----------|-----------|-----------|--------|--------|
| A        | ?         | ?         | ?      | ?      |
| B        | ?         | ?         | ?      | ?      |
| C        | ?         | ?         | ?      | ?      |

其中单元格的内容表示产品属性的出现次数。

我用过merge，得到如下结果

df3 = pd.merge(df2, df1)
df3.drop(['product'], axis = 1)

customer       tags
A        chocolate, sprinkles
C        chocolate, sprinkles
A        chocolate, sprinkles
A        chocolate, filled
B        chocolate, filled
B        chocolate, filled
C        glazed
C        glazed

我们如何从这里得到最终结果？提前致谢！

【问题讨论】：

标签： python python-2.7 pandas dataframe

【解决方案1】：

使用get_dummies

df.set_index('customer').tags.str.get_dummies(sep=',').sum(level=0)
Out[593]: 
          chocolate  filled  glazed  sprinkles
customer                                      
A                 3       1       0          2
C                 1       0       2          1
B                 2       2       0          0

【讨论】：

【解决方案2】：

您可以分两步完成：

使用一系列逗号分隔的字符串扩展/展平您的数据框。
使用pandas.crosstab 将您的计数制成表格。

这是一个假设您已执行合并并且结果为 df 的示例：

import numpy as np
from itertools import chain

# split by comma to form series of lists
tag_split = df['tags'].str.split(',')

# create expanded dataframe
df_full = pd.DataFrame({'customer': np.repeat(df['customer'], tag_split.map(len)),
                        'tags': list(chain.from_iterable(tag_split))})

# use pd.crosstab for result
res = pd.crosstab(df_full['customer'], df_full['tags'])

print(res)

tags       filled   sprinkles  chocolate  glazed
customer                                        
A               1           2          3       0
B               2           0          2       0
C               0           1          1       2

【讨论】：

工作就像一个魅力！您能解释一下您在#create expand dataframes 部分下完成的代码吗？
当然，np.repeat(df['customer'], tag_split.map(len)) 按相应的标签长度重复customer 列中的每个值。 list(chain.from_iterable(tag_split)) 在tags 中创建一个包含所有逗号分隔元素的列表。您可以阅读 np.repeat 和 itertools.chain.from_iterable 的文档。