R interaction()函数的Python等效项

Question

在python中，有没有一种直接的方法来产生不同变量之间的交互？例如，在R中，假设我有3个不同的因素要考虑: a，b和c，并且我想创建一个新的变量，以显示这三个因素对于特定观察的特定组合。

> a = c(1, 2, 2, 2, 3)
> b = c(2, 3, 3, 3, 2)
> c = c('m', 'm', 'f', 'f', 'f')
> interaction(a, b, c)
[1] 1.2.m 2.3.m 2.3.f 2.3.f 3.2.f
12 Levels: 1.2.f 2.2.f 3.2.f 1.3.f 2.3.f 3.3.f 1.2.m 2.2.m 3.2.m ... 3.3.m

我希望能够使用这个交互概念在pandas数据框架中创建一个新列。例如，假设我有一个数据帧：

df = pd.DataFrame({"a": [1, 2, 2, 2, 3]
  , 'b': [2, 3, 3, 3, 2]
  , 'c': ['m', 'm', 'f', 'f', 'f']})

我可以使用下面的代码来实现我正在寻找的东西：

df['d'] = df.a.astype(str) + '_' + df.b.astype(str) + '_' + df.c

是否已经有一个内置的函数或方法可以实现这一点？我想唯一的区别是我不必事先显式地键入因子。

Answer 1

对多个Series使用Series.str.cat方法

df['d'] = df.a.astype(str).str.cat([df.b.astype(str), df.c], sep='.')
print (df)
   a  b  c      d
0  1  2  m  1.2.m
1  2  3  m  2.3.m
2  2  3  f  2.3.f
3  2  3  f  2.3.f
4  3  2  f  3.2.f

或者使用DataFrame选择的b,c列：

df['d'] = df.a.astype(str).str.cat(df[['b','c']].astype(str), sep='.')
print (df)
   a  b  c      d
0  1  2  m  1.2.m
1  2  3  m  2.3.m
2  2  3  f  2.3.f
3  2  3  f  2.3.f
4  3  2  f  3.2.f

对于新列的所有列：

df['d'] = df.astype(str).agg('.'.join, axis=1)
#alternative
df['d'] = df.astype(str).apply('.'.join, axis=1)
print (df)
   a  b  c      d
0  1  2  m  1.2.m
1  2  3  m  2.3.m
2  2  3  f  2.3.f
3  2  3  f  2.3.f
4  3  2  f  3.2.f

Answer 2

将所有内容转换为字符串，将每一行转换为列表，并连接列表元素：

df.astype(str).apply(list, axis=1).str.join(".")
#0    1.2.m
#1    2.3.m
#2    2.3.f
#3    2.3.f
#4    3.2.f

这种方法比你的方法更快，但比@jezrael提出的任何方法都要慢。