python - Pandas 数据透视表到 One_hot

Question

我想将 pandas df 转换为 One_hot pandas df。最好的描述方式可能是举个例子:

我的 df 看起来像这样:

ID|DEV |STATE|
1 |DEV1|on
2 |DEV2|on
3 |DEV1|off
3 |DEV3|on
3 |DEV3|off

我知道非唯一 ID 不好，我正在努力。

然后我旋转表格:

data.pivot_table(index='ID', columns=['DEV'], values='STATE', dropna=True, aggfunc='first')

结果如下

ID|DEV1|DEV2|DEV3
1 |on  | NaN| NaN
2 | NaN| on | NaN
3 | off| NaN| on
4 | NaN| NaN| off

现在我想得到这样的东西:

ID|DEV1.on|DEV1.off|DEV2.on|DEV3.on|DEV3.off
1 |     1 |       0|      0|      0|       0
2 |     0 |       0|      1|      0|       0
3 |     0 |       1|      0|      1|       0
4 |     0 |       0|      0|      0|       1

我知道如何加入列名，但我不知道如何获得“one-hot”-Style。也许使用 aggfunc 是可能的？

你能帮帮我吗？

法比安

Answer 1

使用get_dummies使用分隔符 . 连接列，按 ID 列索引 set_index最后得到每个索引的 max:

df['join'] = df['DEV'] + '.' + df['STATE']
df = pd.get_dummies(df.set_index('ID')['join']).max(level=0)
print (df)
    DEV1.off  DEV1.on  DEV2.on  DEV3.off  DEV3.on
ID                                               
1          0        1        0         0        0
2          0        0        1         0        0
3          1        0        0         1        1

另一种使用 MultiIndex 并通过 unstack reshape 的解决方案- 但这是必要的 swaplevel , sort_index最后展平 MultiIndex:

df = (pd.get_dummies(df.set_index(['ID','DEV'])['STATE'])
        .max(level=[0,1])
        .unstack(fill_value=0)
        .swaplevel(0,1, axis=1)
        .sort_index(axis=1))

df.columns = df.columns.map('.'.join)
print (df)
    DEV1.off  DEV1.on  DEV2.off  DEV2.on  DEV3.off  DEV3.on
ID                                                         
1          0        1         0        0         0        0
2          0        0         0        1         0        0
3          1        0         0        0         1        1