python - 将包含行名、列名和频率的 pandas df 转换为术语文档矩阵

Question

我有一个格式如下的 pandas df: 输入:

 Freq Document  TermId
  3     A      112
  5     A      055
  1     C      003
  4     D      001
  2     B      003
  1     D      089

我想将此数据框转换为术语文档矩阵(最好是另一个 pandas df)。实现这一目标的最有效方法是什么？

前输出:

Term/Document  A  B  C  D
    001        0  0  0  4
    003        0  2  1  0
    055        5  0  0  0
    089        0  0  0  1
    112        3  0  0  0

Answer 1

请注意，所需的 DataFrame 有一个索引，其标签来自 df['TermId']​​，其列标签来自 df['Document']。每当索引和列标签来自 df 的列时，请考虑使用 df.pivot (或 df.pivot_table 如果需要聚合):

import pandas as pd
df = pd.DataFrame({'Document': ['A', 'A', 'C', 'D', 'B', 'D'],
                   'Freq': ['3', '5', '1', '4', '2', '1'],
                   'TermId': ['112', '055', '003', '001', '003', '089']})
result = df.pivot(index='TermId', columns='Document', values='Freq').fillna(0)
print(result)

产量

Document  A  B  C  D
TermId              
001       0  0  0  4
003       0  2  1  0
055       5  0  0  0
089       0  0  0  1
112       3  0  0  0