python - 将数据框从长格式转换为宽格式并动态命名列

Question

我正在将数据帧从长格式转换为宽格式，但是我面临的问题是生成正确数量的翻译列并动态重命名新的数据帧列。

假设我有一个示例数据框，如下所示:

data = {'name':['Tom', 'nick', 'Tom', 'nick','Tom'], 'id':[20, 21, 20, 21,22], 'plan' : [100,101,102,101,100], 'drug' : ['a','b','b','c','a']}

df = pd.DataFrame(data)

drug id  name   plan
a    20  Tom    100
b    21  nick   101
b    20  Tom    102
c    21  nick   101
a    22  Tom    100

因此，对于每个给定的名称和 ID，我想为计划和药物创建多个列。例如，有 3 个不同的计划和 3 种不同的药物，因此理想情况下我应该获得 6 个新列，指示是否已服用特定计划/药物。

我尝试从长转换为宽，但没有得到所需的结果。将长转换为宽:

df1 = df.groupby(['name','id'])['plan', 'drug'].apply(lambda x: pd.DataFrame(x.values)).unstack().reset_index()

实际输出:

name    id  0   1    0   1
Tom     20  100 102  a  b
nick    21  101 101  b  c
Tom     22  100 None a  None

预期输出:

   name    age  100 101 102   a   b  c 
   Tom     20   1   0    1    1   1  0
   Tom     22   1   0    0    1   0  0
   nick    21   0   1    0    0   1  1

Answer 1

使用get_dummies与最大:

df1 = pd.get_dummies(df.set_index(['name','id']).astype(str)).max(level=[0,1]).reset_index()
print(df1)
   name  id  plan_100  plan_101  plan_102  drug_a  drug_b  drug_c
0   Tom  20         1         0         1       1       1       0
1  nick  21         0         1         0       0       1       1
2   Tom  22         1         0         0       1       0       0

df2 = (pd.get_dummies(df.set_index(['name','id'])
        .astype(str), prefix='', prefix_sep='')
        .max(level=[0,1])
        .reset_index())
print(df2)
   name  id  100  101  102  a  b  c
0   Tom  20    1    0    1  1  1  0
1  nick  21    0    1    0  0  1  1
2   Tom  22    1    0    0  1  0  0

编辑:解决方案 DataFrame.pivot_table , concat和 DataFrame.clip :

df1 = df.pivot_table(index=['name','id'], 
                     columns=['plan'], 
                      aggfunc='size',
                      fill_value=0)

df2 = df.pivot_table(index=['name','id'], 
                     columns=['drug'], 
                      aggfunc='size',
                      fill_value=0)

df = pd.concat([df1, df2], axis=1).clip(upper=1).reset_index()
print(df)
   name  id  100  101  102  a  b  c
0   Tom  20    1    0    1  1  1  0
1   Tom  22    1    0    0  1  0  0
2  nick  21    0    1    0  0  1  1