python - Pandas:如果列名存在于不同列中，则将列值填充为 1

Question

我有一个包含三列的数据框，每列包含另一个数据框的列名称或无，我想填充第二个数据框的每一行与 1/0 取决于其名称是否存在于第一个数据帧的三列之一中。这是一个描述所需结果的示例...

df-1 : col_1   col_2   col_3
       -----   -----   -----
        A      None     None
        A       B        C
        D       E        B

df-2 (Initially) :  A   B   C   D   E
                    -   -   -   -   -
                    0   0   0   0   0
                    0   0   0   0   0
                    0   0   0   0   0

df-2 (expected) :   A   B   C   D   E
                    -   -   -   -   -
                    1   0   0   0   0
                    1   1   1   0   0
                    0   1   0   1   1  

请注意，第一个数据帧也包含 None 值，但最终结果中不需要这些值。

我写的一些代码

df_2 = pd.DataFrame(0, index = np.arange(len(df_1)), columns = column_names)
for i in range(0, len(df_1)):
  a, b, c = df_1.loc[i, :]
  df_2.loc[i, a] = 1
  df_2.loc[i, b] = 1
  df_2.loc[i, c] = 1

此代码基于 for 循环，显然相当慢，需要更像 pandas 的东西。我也无法处理此代码中的None值。执行上面的代码后，结果类似于...

A   B   C   D   E   None
-   -   -   -   -   ----
1   0   0   0   0    1
1   1   1   0   0    0
0   1   0   1   1    0

所以问题实际上是，如何更快地完成此操作，以及如何删除名为 None 的列。任何见解将不胜感激。

Answer 1

使用get_dummies ，如果 None 是字符串，则删除列 None，最后获取每列名称的 max:

df1 = pd.get_dummies(df, prefix_sep='', prefix='').drop('None', axis=1).max(level=0, axis=1)
print (df1)
   A  D  B  E  C
0  1  0  0  0  0
1  1  0  1  0  1
2  0  1  1  1  0

如果 None 不是字符串 pandas 默认删除它们:

print (df.applymap(type))
           col_1               col_2               col_3
0  <class 'str'>  <class 'NoneType'>  <class 'NoneType'>
1  <class 'str'>       <class 'str'>       <class 'str'>
2  <class 'str'>       <class 'str'>       <class 'str'>

df2 = pd.get_dummies(df, prefix_sep='', prefix='').max(level=0, axis=1)
print (df2)
   A  D  B  E  C
0  1  0  0  0  0
1  1  0  1  0  1
2  0  1  1  1  0