通过将单元格按值分组来创建列

Question

我有以下问题。我的DataFrame看起来像这样(只有100.000条条目)：

col_1      col_2        col_3
green      yellow       red
yellow     green        purple
green      yellow       red
yellow     brown        green
red        yellow       purple
red        green        yellow 

不过，我想要的是，所有的绿色都列在一列里，所有的红色和黄色等等，所以它应该是这样的：

col_1      col_2        col_3      col_4      col_5 
green      yellow       red
green      yellow                  purple
green      yellow       red
green      yellow                             brown
           yellow       red        purple
green      yellow       red

我该怎么做？提前谢谢。

Answer 1

这里有一种方法:使用get_dummies将其转换为一个热编码列；跨列求和并使用np.where填充带有列名的DataFrame。最后，修正列名：

s = pd.get_dummies(df)
s.columns = [c.split('_')[-1] for c in s.columns]
s = s.groupby(level=0, axis=1).sum()
out = (s.apply(lambda c: np.where(c, c.name, ''))
       .rename(columns=dict(zip(s.columns, ['col5','col1','col4','col3','col2'])))
       .sort_index(axis=1))

使用链式方法的相同代码：

out = (pd.get_dummies(df.set_axis(['0']*3, axis=1))
       .pipe(lambda x: x.set_axis([c.split('_')[1] for c in x], axis=1))
       .groupby(level=0, axis=1).sum()
       .apply(lambda c: np.where(c, c.name, ''))
       .set_axis(['col5','col1','col4','col3','col2'], axis=1)
       .sort_index(axis=1)
      )

输出：

    col1    col2 col3    col4   col5
0  green  yellow  red               
1  green  yellow       purple       
2  green  yellow  red               
3  green  yellow               brown
4         yellow  red  purple       
5  green  yellow  red               

Answer 2

下面是使用pandas.get_dummies或str.get_dummies的一种方法

# credit https://stackoverflow.com/a/71143503
df2 = df.apply('|'.join, axis=1).str.get_dummies()
out = df2*df2.columns

或

df2 = (
 df.apply(lambda c: pd.get_dummies(c).stack())
   .max(1)
   .unstack()
   .astype(int)
)
out = df2*df2.columns

产出：

   brown  green  purple  red  yellow
0         green          red  yellow
1         green  purple       yellow
2         green          red  yellow
3  brown  green               yellow
4                purple  red  yellow
5         green          red  yellow

替代产出：

df2 = df.apply('|'.join, axis=1).str.get_dummies()

out = df2*df2.columns

out.columns = [f'col_{i}' for i,_ in enumerate(out, start=1)]

产出：

   col_1  col_2   col_3 col_4   col_5
0         green           red  yellow
1         green  purple        yellow
2         green           red  yellow
3  brown  green                yellow
4                purple   red  yellow
5         green           red  yellow