python - Pandas:使用另一个表的 “dummy variable” 创建一个表

Question

假设我有这个数据框

DataFrame A(产品)

Cod | Product   | Cost | Date
-------------------------------
18  | Product01 | 3.4  | 21/04
22  | Product02 | 7.2  | 12/08
33  | Product03 | 8.4  | 17/01
55  | Product04 | 0.6  | 13/07
67  | Product05 | 1.1  | 09/09

数据帧 B(操作)

id | codoper | CodProd  | valor
-------------------------------
1  | 00001   | 55       | 45000
2  | 00001   | 18       | 45000
3  | 00002   | 33       | 53000
1  | 00001   | 55       | 45000

这个想法是从“Dataframe B”中获取带有列产品的“dataframe C”:

数据帧 C 结果

id | codoper | Product_18| Product_22| Product_33| Product_55| Product_67 |valor
----------------------------------------------------------------------------------
1  | 00001   | 1         | 0         | 0         | 1         | 0          |45000
2  | 00002   | 0         | 0         | 1         | 0         | 0          |53000

到目前为止，我只能从“DataFrame B”中做到这一点:

pd.get_dummies(df, columns=['CodProd']).groupby(['codoper'], as_index=False).min()

注意:我在操作的数据帧中没有来自数据帧 A 的所有产品

谢谢

Answer 1

您需要组合来自 Products 的假人来自 Operations 的假人.首先使用前缀定义输出列:

columns = ['id', 'codoper'] + [f"Product_{cod}" for cod in A['Cod'].unique()] + ['valor']

然后，像上面一样使用 get dummies，但在定义列时使用相同的前缀。按完全共线的所有列分组，即 id , codoper , 和 valor .如果这些不是完全共线的，那么您需要决定如何将它们聚合到 codoper 的水平。 .最后，使用您之前定义的输出列重新索引，用零填充缺失值。

pd.get_dummies(B, columns=['CodProd'], prefix='Product').groupby(['id', 'codoper', 'valor'], as_index=False).sum().reindex(columns=columns, fill_value=0) 

  id codoper  Product_18  Product_22  Product_33  Product_55  Product_67  valor
0  1   00001           0           0           0           2           0  45000
1  2   00001           1           0           0           0           0  45000
2  3   00002           0           0           1           0           0  53000