根据文本中的特定单词通过索引处理一列文本到几个新列

Question

我在使用 pandas 代码时遇到问题，在尝试寻找答案数小时后，我终于放弃并来这里寻求帮助！

我的数据框是从较大的 excel 文件创建的，它包含同时定义为索引的特定观察值。现在我有一个专栏，其中这些观察提供了文本答案，并且这些观察中的大多数都提供了几个响应。这是我的输出示例。

Org        Data1
 x          aaa
 x          aaa
 x          bbb
 y          aaa
 z          ccc
 z          ddd
 z          ddd

我想要实现的是：

 Org    One    Two    Three   Four
  x      1      1      0       0
  y      1      0      0       0
  z      0      0      1       1

 Data1 column is deleted and new columns correspond text answers like this: 
 "One" = aaa, "Two" = bbb, "Three" = ccc, and "Four" = ddd.

这个想法是通过索引“Org”将所有内容组合在一起，并根据“Data1”列的答案创建新列。因此，在示例中，由于“Org”x 在“Data1”中响应 aaa 两次和 bbb 一次，代码将创建一个新列“One”和“Two”，并使用 true 或 false 函数将 1 或 0 放置到这个新的柱子。这个想法也是忽略多次给出的响应，但我猜对于 true 或 false 函数，这不是问题，也不需要删除重复项（？）。请注意，答案没有任何特定的顺序，我总共有大约 10000 行，我使用 loc 来选择我感兴趣的特定“Org”：s。

这是我迄今为止尝试过的：

df = pd.read_excel("location\test.xlsx", sheetname="Sheet1", 
index_col="Org").loc[["x", "y", "z"], ["Data1"]]

df["One"] = np.where(df["Data1"].str.contains["aaa"], "1", "0")

通过同时执行 df["Two"]、df["Three"] 等，最后删除 Data1 列，并通过使用 groupby 和 sum 进一步处理结果，我能够得到最终结果。但是，然后我有带有“2”或“3”的列，而不是我正在寻找的“1”。显然，这不是一项需要进一步处理的艰巨任务，但我一直在尝试提出比 groupby 和 sum 更好的解决方案，因为这将有助于将来处理这个 excel 文件。

我尝试过的如下：

1
df = pd.read_excel("location\test.xlsx", sheetname="Sheet1", 
index_col="Org").loc[["x", "y", "z"], ["Data1"]].groupby("Org").agg(lambda
x: set (x))

2
df = pd.read_excel("location\test.xlsx", sheetname="Sheet1", 
index_col="Org").loc[["x", "y", "z"], ["Data1"]].groupby(["Org"])
["Data1"].agg(lambda x: ";;".join(set(x.astype(str)))).str.split(";;")

第一个解决方案工作正常，因为它将相同的索引“Org”答案分组到前几行中的一行。但是，当应用 np.where 和 str.contains 时，我收到了新列“One”，其中每个观察“Org”都有“1”，这是错误的。第二种解决方案无法正常运行，因为它丢失了在处理每个可能的“aaa”“bbb”“ccc”“ddd”答案之前所需的原始列名，并且我无法使用 np 查找“aaa” .where 和 str.contains。

有没有人能帮我解决这个“棘手”的问题，因为我还在学习熊猫。提前谢谢！

Answer 1

一种方法是使用 Pandas 的 pivot_table：

df['num_val']=1
df=df.pivot_table(values='num_val', columns='Data1', index='Org', fill_value=0)
df.columns=['One', 'Two', 'Three', 'Four']

Answer 2

您可以通过旋转表格然后应用条件来获得：

df1=pd.pivot_table(df,index='Org', values=['Org'], columns=['Data1'], aggfunc=len, fill_value=0).fillna(0).reset_index()
df1.index.name=None 
df1.columns = ["Org","One","Two","Three","Four"]
df1.set_index('Org', inplace=True)
df1.applymap(lambda x: 1 if x>=1 else 0)