数据交换/熊猫

Question

​

​

我有一个以标记作为列，movieId作为索引的数据文件。movieId代表电影。因此，对于同一个movieId，可能有多个标记。

我想转换这个数据格式，有标记的列和标记一样多，moviesId变成了行，但是每个movieId必须有一行。对于每个movieId，如果有一个标记，则标记列中有一个1，否则为0。

当我尝试的时候我做不到，moviesID出现了好几次。

有人能帮我吗

非常感谢。

Answer 1

我们可以使用".crosstab()"函数获得所需的输出：

我已经创建了一个示例dataframe作为'df'：

movieId    tag
260     Best movie ever
1240    scifi
2133    Best movie ever
1097    scifi
260     scifi
250     scifi

通过使用.crosstab()函数：

pd.crosstab(df.movieId, df.tag, dropna = False)

输出如下：

tag        Bestmovie ever   scifi
movieId     
250                0          1
260                1          1
1097               0          1
1240               0          1
2133               1          0

Answer 2

我希望这能解决问题

import pandas as pd
import numpy as np

df = pd.DataFrame([[260, "best"],[520,"sci"],[260,"sci"]],columns=['movieId','tag'])
print("Dummy DataFrame: \n", df)


movieId, tags= list(df['movieId'].unique()), list(df['tag'].unique())
dfmatrix= pd.DataFrame(np.zeros((len(movieId),len(tags)+1),dtype=int), columns=['movieID']+tags)
# dfmatrix['movieID'][1]= 54
for i, movie in enumerate(movieId):
    listoftag = df.tag[df['movieId']==movie]
    dfmatrix.movieID[i]= movie
    for tag in listoftag:
        dfmatrix[tag][i]=1

print("\n \n dfmatrix \n",dfmatrix)

产出如下：

Dummy DataFrame:
    movieId   tag
0      260  best
1      520   sci
2      260   sci


 dfmatrix
    movieID  best  sci
0      260     1    1
1      520     0    1