python - 多种选择的列与 pandas 数据框的智能合并

Question

这个问题已经有答案了:

Reconstruct a categorical variable from dummies in pandas (7 个回答)

已关闭 4 年前。

意见库的结果以 CSV 格式存储，其中具有多个答案的问题用 0 和 1 进行编码。例如，如果问题“您最喜欢哪种颜色？”向 100 个人询问，可能的答案仅限于红、蓝、绿，结果如

colors = ['red', 'blue', 'green']
votes = [33, 57, 10]

将通过三列存储:一列代表包含 33 个 1 和 67 个 0 的“红色”答案，一列代表包含 57 个 1 和 43 个 0 的“蓝色”答案，一列代表包含 10 个 1 和 90 个 0 的“绿色”答案。

我想转换我的数据框，以便将这三列合并为一个包含“红色”、“蓝色”和“绿色”出现的唯一列。

这是我的问题的简化示例:

from pandas import DataFrame

actual_pool = {'foo': [0, 1, 2, 3, 4, 5, 6, 7],
               'red': [1, 0, 0, 1, 0, 1, 0, 0],
               'blue': [0, 1, 0, 0, 0, 0, 1, 1],
               'green': [0, 0, 1, 0, 1, 0, 0, 0],
               'bar': ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']}

actual_df = DataFrame(actual_pool,columns= ['foo', 'red', 'blue', 'green', 'bar'])

expected_pool = {'foo': [0, 1, 2, 3, 4, 5, 6, 7], 
                 'colors': ['red', 'blue', 'green', 'red', 'green', 'red', 'blue', 'blue'],
                 'bar': ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']}

expected_df = DataFrame(expected_pool,columns= ['foo', 'colors', 'bar'])

print(actual_df)
print(expected_df)

问题是如何使用pandas从actual_df获取expected_df？。

编辑1:添加列“foo”和“bar”，因为我对合并数据框列的子集感兴趣。

Answer 1

使用DataFrame.idmax获取具有最大值的列名称:

actual_pool = {'red': [1, 0, 0, 1, 0, 1, 0, 0],
               'blue': [0, 1, 0, 0, 0, 0, 1, 1],
               'green': [0, 0, 1, 0, 1, 0, 0, 0]}

actual_df = DataFrame(actual_pool,columns= ['red', 'blue', 'green'])

actual_df['colors'] = actual_df.idxmax(axis=1)

print(actual_df)

输出:

  red  blue  green   colors                                                                                                            
0    1     0      0    red                                                                                                            
1    0     1      0   blue                                                                                                            
2    0     0      1  green                                                                                                            
3    1     0      0    red                                                                                                            
4    0     0      1  green                                                                                                            
5    1     0      0    red                                                                                                            
6    0     1      0   blue                                                                                                            
7    0     1      0   blue    

如果您有额外的列

from pandas import DataFrame

actual_pool = {'red': [1, 0, 0, 1, 0, 1, 0, 0],
               'blue': [0, 1, 0, 0, 0, 0, 1, 1],
               'green': [0, 0, 1, 0, 1, 0, 0, 0],
                'pink': [12,0,11,2,0,90,0,12]
}

actual_df = DataFrame(actual_pool,columns= ['red', 'blue', 'green'])

actual_df['colors'] = actual_df[['red','blue','green']].idxmax(axis=1)

print(actual_df)