时间戳

首页 > 解决方案 > 根据系列内容和数据框生成布尔数据框

pandas - 根据系列内容和数据框生成布尔数据框

问题描述

我有： 

 df = pd.DataFrame(
        [
            [22, 33, 44],
            [55, 11, 22],
            [33, 55, 11],
        ],
        index=["abc", "def", "ghi"],
        columns=list("abc")
    ) # size(3,3)

和：

unique = pd.Series([11, 22, 33, 44, 55]) # size(1,5)

然后我基于uniqueand创建一个新的 df df，这样：

df_new = pd.DataFrame(index=unique, columns=df.columns) # size(5,3)

从这个新创建的 df 中，我想创建一个基于uniqueand的新布尔 df df，因此最终结果是：

 df_new = pd.DataFrame(
        [
            [0, 1, 1],
            [1, 0, 1],
            [1, 1, 0],
            [0, 0, 1],
            [1, 1, 0],
        ],
        index=unique,
        columns=df.columns
    )

这个新的 df 是真还是假，具体取决于该值是否存在于原始数据帧中。例如，第一列有三个值：[22,55,33]。在尺寸为 (5,3) 的 df 中，第一列将是： [0, 1, 1, 0, 1] 即 [0, 22, 33, 0 , 55]

我试过filter2 = unique.isin(df)了，但这不起作用，也不为空。我尝试应用过滤器，但返回的尺寸不正确。我怎样才能做到这一点？

标签： pandasdataframebooleanseries

解决方案

DataFrame.stack与DataFrame.reset_index,一起使用DataFrame.pivot，然后通过 来检查是否没有缺失值，为和映射DataFrame.notna转换为整数，最后通过以下方式删除索引和列名：True->1False->0DataFrame.rename_axis

df_new = (df.stack()
            .reset_index(name='v')
            .pivot('v','level_1','level_0')
            .notna()
            .astype(int)
            .rename_axis(index=None, columns=None))
print (df_new)
    a  b  c
11  0  1  1
22  1  0  1
33  1  1  0
44  0  0  1
55  1  1  0

辅助系列不是必需的，但如果有更多值或需要通过辅助系列更改订单，请使用添加DataFrame.reindex：

#added 66
unique = pd.Series([11, 22, 33, 44, 55,66])

df_new = (df.stack()
            .reset_index(name='v')
            .pivot('v','level_1','level_0')
            .reindex(unique)
            .notna()
            .astype(int)
            .rename_axis(index=None, columns=None))
print (df_new)
    a  b  c
11  0  1  1
22  1  0  1
33  1  1  0
44  0  0  1
55  1  1  0
66  0  0  0

推荐阅读