python - 根据一列中存在的列名填充数据框中的其他列

Question

我有一个包含 ~300 列的数据框，列从 'Prod1' 到 'Prod300' ，如下所示:

ID   Product Prod1 Prod2 Prod3 Prod4 Prod5 Prod6 Prod7
01     1      0     0     0     0     0     0     0
01     2      0     0     0     0     0     0     0
01     3      0     0     0     0     0     0     0
02     1      0     0     0     0     0     0     0
02     4      0     0     0     0     0     0     0
03     3      0     0     0     0     0     0     0
04     6      0     0     0     0     0     0     0

我想要的是根据'Product'列中的值简单地填充相应的'Prod'列，即下面的df作为输出-

ID   Product Prod1 Prod2 Prod3 Prod4 Prod5 Prod6 Prod7
01     1      1     0     0     0     0     0     0
01     2      0     1     0     0     0     0     0
01     3      0     0     1     0     0     0     0
02     1      1     0     0     0     0     0     0
02     4      0     0     0     1     0     0     0
03     3      0     0     1     0     0     0     0
04     6      0     0     0     0     0     1     0

问题是，我知道我总共只有 300 种产品，但我可能无法获得“产品”列中的所有值，我也想保留“Prod7”列，即使它不在“Product' 列，所有值 = 0。所以，我不能使用 pivot_table...

我试过循环遍历“产品”列，如下所示:

for row in range ( len( df['Product'])) :
   df['Prod' + str( df['Product'][row] ) ][row] = 1

我上面所做的是逐一检查“Product”列中的值，然后在相应列和同一行中填充 1。

此外，由于从 Prod1 到 Prod300 有 300 列，我不想像下面这样逐列进行:

df['Prod1'] = np.where(df['Product'] == 1, 1 , 0)
df['Prod2'] = np.where(df['Product'] == 2, 1 , 0)
df['Prod3'] = np.where(df['Product'] == 3, 1 , 0)
........
........

现在上面的代码可以工作了，但我知道你不应该使用 for 循环，因为它们很慢。

可能是因为我是 python 的新手，它真的很简单，但任何替代方案都会非常感激。我还担心代码的运行时，所以任何比以前更快的东西都会非常有帮助......

Answer 1

此处不需要空列。

使用get_dummies对于新的指标列，添加 DataFrame.reindex用于按 range 和 last DataFrame.add_prefix 添加不存在的列:

df1 = (pd.get_dummies(df['Product'])
         .reindex(range(1, 8), axis=1, fill_value=0)
         .add_prefix('Prod'))
print (df1)
   Prod1  Prod2  Prod3  Prod4  Prod5  Prod6  Prod7
0      1      0      0      0      0      0      0
1      0      1      0      0      0      0      0
2      0      0      1      0      0      0      0
3      1      0      0      0      0      0      0
4      0      0      0      1      0      0      0
5      0      0      1      0      0      0      0
6      0      0      0      0      0      1      0

然后可以使用 DataFrame.join原始 DataFrame 的前 2 列:

df2 = df.iloc[:, :2].join(df1)
print (df2)
   ID  Product  Prod1  Prod2  Prod3  Prod4  Prod5  Prod6  Prod7
0   1        1      1      0      0      0      0      0      0
1   1        2      0      1      0      0      0      0      0
2   1        3      0      0      1      0      0      0      0
3   2        1      1      0      0      0      0      0      0
4   2        4      0      0      0      1      0      0      0
5   3        3      0      0      1      0      0      0      0
6   4        6      0      0      0      0      0      1      0