如何解决为来自另一个 DataFrame 的每一列创建唯一值的数据框
我有一个包含 60 多列的数据框。其中,大约一半是分类的(非金额列)。但是,其中一些将分类数据存储为 1 和 0,因此如果数据类型为 NaN,则数据类型将为 int 或 float。
我需要创建一个新的数据帧,将早期数据帧中的选定列作为索引,并将唯一值作为列。
测试数据如下:
data = pd.DataFrame({'A':['A','B','C','A','D'],'B':[1,1,1],'C':[10,20,30,40,50,60,70],'D':['Y','N','Y','P']
})
我这样做是为了从所有列中获取选定的列并为每一列获取唯一值。
cols = itemgetter(0,3)(data.columns)
uniq_stats = pd.DataFrame(columns=['Val'],index=cols)
for each in cols:
uniq_stats.loc[each] = ';'.join(data[each].unique())
但是,对于那些数据是分类但存储在 1 和 0 中的列,以及那些有 Null 值的列,这将失败。
上述测试数据的预期结果:
Val
A A;B;C;D
B 1;0
D Y;N;P
我应该怎么做才能得到这些? 我希望空值是否也包含在唯一值列表中。
解决方法
使用 DataFrame.iloc
列按位置,然后在 DataFrame.agg
中添加 lambda 函数:
df = data.iloc[:,[0,1,3]].agg(lambda x: ';'.join(x.astype(str).unique())).to_frame('Val')
print (df)
Val
A A;B;C;D
B 1;0
D Y;N;P
类似的想法是只转换唯一值,所以应该更快:
df = data.iloc[:,3]].agg(lambda x:';'.join(str(y) for y in x.unique())).to_frame('Val')
print (df)
Val
A A;B;C;D
B 1;0
D Y;N;P
,
好的。我尝试了 map() 函数来做到这一点,我认为它有效。现在在唯一值列表中同时包含数字类别和 nan 值。
cols = itemgetter(0,3)(data.columns)
uniq_stats = pd.DataFrame(columns=['Val'],index=cols)
for each in cols:
uniq_stats.loc[each] = ';'.join(map(str,data[each].unique()))
但是,如果有更好更快的方法,请分享。
,我认为您可以将 .stack()
与 .groupby.unique()
一起使用
selected_cols = ['A','B']
s = data[selected_cols].stack(dropna=False).groupby(level=[1]).unique()
s.to_frame('vals')
vals
A [A,B,C,D]
B [1,0]
另一种使用melt的方法。
pd.melt(data).groupby('variable')['value'].unique()
variable
A [A,D]
B [1,0]
C [10,20,30,40,50,60,70]
D [Y,N,P]
Name: value,dtype: object
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。