python - Pandas - 创建一个带有 "dummy variable"的表

Question

假设我有这个数据框

id | car      | sex    | income
-------------------------------
1  | European | Male   | 45000
2  | Japanese | Female | 48000
3  | American | Male   | 53000

有没有一种简单的方法来创建这个(使用 Pandas )？

  | id | car      | choice | sex    | income
1.| 1  | European | 1      | Male   | 45000
2.| 1  | American | 0      | Male   | 45000
3.| 1  | Japanese | 0      | Male   | 45000
  | ----------------------------------------
4.| 2  | European | 0      | Female | 48000
5.| 2  | American | 0      | Female | 48000
6.| 2  | Japanese | 1      | Female | 48000
  | ----------------------------------------
7.| 3  | European | 0      | Male   | 53000
8.| 3  | American | 1      | Male   | 53000
9.| 3  | Japanese | 0      | Male   | 53000

这个想法是在基础中获得“汽车”变量的每一种模式，并通过“选择”变量表明每个人都选择了哪一种。例如，在第一个表中，带有 id 的人1 选择了欧洲车，所以 choice在 car 的行中等于 1是欧洲的，在 car 的行中为零等于美国或日本。

我已经编写了一些手动执行的代码(使用字典)，但我想知道是否存在更清洁的解决方案。

(这是为了格式化数据，以便在 Stata 下使用 asclogit/nlogit)

Answer 1

我相信需要:

df = df.assign(choice = 1).set_index(['id','car'])
df = df.reindex(pd.MultiIndex.from_product(df.index.levels, names=df.index.names))

df = (df.assign(choice=df['choice'].fillna(0).astype(int))
        .groupby(level=0).apply(lambda x: x.ffill().bfill())
        .reset_index())
print (df)
   id       car     sex   income  choice
0   1  American    Male  45000.0       0
1   1  European    Male  45000.0       1
2   1  Japanese    Male  45000.0       0
3   2  American  Female  48000.0       0
4   2  European  Female  48000.0       0
5   2  Japanese  Female  48000.0       1
6   3  American    Male  53000.0       1
7   3  European    Male  53000.0       0
8   3  Japanese    Male  53000.0       0

说明 :

1.首先使用 1创建新列来自 assign
2.创建 MultiIndex来自 set_index
3.通过 MultiIndex.from_product 生成所有可能的组合并通过 reindex 创建新行
4.然后替换 NaN转至 0在 choice柱子
5.上次更换 NaN s 在所有其他列中通过向前和回填。