python - 在 Python 中显式设置虚拟变量

Question

假设我有如下所示的数据:

data = {'Name':['Tom', 'Bob', 'Dan', 'Jack'], 
        'Color1':['red', 'red', 'black', 'blue'],
        'Color2':['blue', 'green', 'green', 'white'],
        'Color3':['orange', 'purple', 'white', 'red'],
        'Color4':['', 'yellow', 'purple', '']
} 
df = pd.DataFrame(data) 

我想为每个人设置虚拟变量，这样如果在 color1, color2, color3, color4 中为某个人列出了特定颜色，那么该人会收到一个 1，否则该人将收到 0。但是，我对为出现的每种颜色设置虚拟变量不感兴趣:我只对为红色、黑色和黄色设置变量感兴趣。

因此预期的输出将是:

result = {'Name':['Tom', 'Bob', 'Dan', 'Jack'], 
        'hasRed':[1, 1, 0, 1],
        'hasBlack':[0, 0, 1, 0],
        'hasYellow':[0, 0, 1, 0]
} 
result_df = pd.DataFrame(result) 

我知道 pandas 有一个 get_dummy 函数，但我认为它不能像我需要的那样用于特定变量的多个列。有关如何执行此操作的任何建议？

Answer 1

让我们尝试融合数据框、过滤颜色和交叉表:

colors = ['red','blue','yellow']

tmp = (df.melt('Name')
    .loc[lambda x: x['value'].isin(colors)]
)

pd.crosstab(tmp['Name'],tmp['value']).add_prefix('has_').reset_index()

输出:

value  Name  has_blue  has_red  has_yellow
0       Bob         0        1           1
1      Jack         1        1           0
2       Tom         1        1           0