Pandas Group By and Get Dummies

Question

Voglio ottenere variabili fittizie per valore univoco. L'idea è trasformare il data frame in un target multi-etichetta. Come posso farlo?

Dati:

           ID                      L2
           A                 Firewall
           A                 Security
           B           Communications
           C                 Business
           C                 Switches

Uscita desiderata:

ID   Firewall  Security  Communications  Business   Switches
 A      1          1             0              0         0
 B      0          0             1              0         0
 C      0          0             0              1         1

Ho provato pd.pivot_tablema richiede una colonna su cui aggregarsi. Ho anche provato a rispondere su questo collegamento ma somma i valori piuttosto che trasformarsi in colonne fittizie binarie. Apprezzerei molto il tuo aiuto. Molte grazie!

Answer 1

Cerchiamo set_indexquindi get_dummies, poiché abbiamo più duplicati in ogni ID, dobbiamo farlo sumconlevel = 0

s = df.set_index('ID')['L2'].str.get_dummies().max(level=0).reset_index()
Out[175]: 
  ID  Business  Communications  Firewall  Security  Switches
0  A         0               0         1         1         0
1  B         0               1         0         0         0
2  C         1               0         0         0         1

Answer 2

crosstab, quindi converti in booleano:

pd.crosstab(df['ID'],df['L2']).astype(bool)

Produzione:

L2  Business  Communications  Firewall  Security  Switches
ID                                                        
A      False           False      True      True     False
B      False            True     False     False     False
C       True           False     False     False      True

Answer 3

puoi usare pivot_tablese cambi il file aggfunc=any.

print(df.pivot_table(index='ID', columns='L2', 
                     aggfunc=any, fill_value=False)\
        .astype(int))
L2  Business  Communications  Firewall  Security  Switches
ID                                                        
A          0               0         1         1         0
B          0               1         0         0         0
C          1               0         0         0         1

e magari reset_indexalla fine mettere l'ID come colonna

Answer 4

Puoi provare questo:

df1 = pd.read_csv("file.csv")
df2 = df1.groupby(['ID'])['L2'].apply(','.join).reset_index()
df3 = df2["L2"].str.get_dummies(",")
df = pd.concat([df2, df3], axis = 1)
print(df)

Produzione:

  ID                 L2  Business  Communications  Firewall  Security  Switches
0  A  Firewall,Security         0               0         1         1         0
1  B     Communications         0               1         0         0         0
2  C  Business,Switches         1               0         0         0         1

Opzione alternativa:

df = df.groupby(['ID'])['L2'].apply(','.join).str.get_dummies(",").reset_index()
print(df)