python - 按组和虚拟代码分类变量转换长格式分类数据

Question

对于以下数据框，我试图将分类变量 ('purchase_item') 转换为宽格式并将它们虚拟编码为 1/0 - 基于客户是否在 2016 年的 4 个季度中的每个季度购买了它.

我想生成一个旋转数据框，如下所示:

为了获得上面显示的预期结果，我基本上尝试了各种方法来将 groupby/pivot_table 函数与对 pandas 中的 get_dummies() 函数的调用结合起来。例子:data.groupby(["cust_id", "purchase_qtr"])["purchase_item"].reset_index().get_dummies()

但是，到目前为止，我的尝试都没有奏效。

有人可以帮我生成想要的结果吗？

Answer 1

这样做的一种方法是获取交叉制表，然后强制所有 > 1 的值变为 1，同时保持所有 0 不变:

长话短说

out = (
    pd.crosstab([df["cust_id"], df["purchase_qtr"]], df["purchase_item"])
    .gt(0)
    .astype(int)
    .reset_index()
)

分解一切:

创建数据

df = pd.DataFrame({
    "group1": np.repeat(["a", "b", "c"], 4),
    "group2": [1, 2, 3] * 4,
    "item": np.random.choice(["ab", "cd", "ef", "gh", "zx"], size=12)
})

print(df)
   group1  group2 item
0       a       1   cd
1       a       2   ef
2       a       3   gh
3       a       1   ef
4       b       2   zx
5       b       3   ab
6       b       1   ab
7       b       2   gh
8       c       3   gh
9       c       1   cd
10      c       2   ef
11      c       3   gh

交叉制表

这将返回一个频率表，指示每个类别一起观察的频率:

crosstab = pd.crosstab([df["group1"], df["group2"]], df["item"])

print(crosstab)
item           ab  cd  ef  gh  zx
group1 group2
a      1        0   1   1   0   0
       2        0   0   1   0   0
       3        0   0   0   1   0
b      1        1   0   0   0   0
       2        0   0   0   1   1
       3        1   0   0   0   0
c      1        0   1   0   0   0
       2        0   0   1   0   0
       3        0   0   0   2   0

强制计数为虚拟代码

因为我们想要虚拟代码，而不是计算类别的共现，我们可以使用一个快速的技巧来强制所有大于 0 的值 gt(0) 变成 1 astype(int)

item           ab  cd  ef  gh  zx
group1 group2
a      1        0   1   1   0   0
       2        0   0   1   0   0
       3        0   0   0   1   0
b      1        1   0   0   0   0
       2        0   0   0   1   1
       3        1   0   0   0   0
c      1        0   1   0   0   0
       2        0   0   1   0   0
       3        0   0   0   1   0