pandalarda kuklalardan kategorik bir değişkenin yeniden yapılandırılması

Question

get_dummies kategorik bir değişkeni kukla değişkenlere dönüştürmeyi sağlar. Kategorik değişkeni yeniden yapılandırmanın önemsiz olmasının yanı sıra, bunu yapmanın tercih edilen/hızlı bir yolu var mıdır?

Answer 1

In [46]: s = Series(list('aaabbbccddefgh')).astype('category') 

In [47]: s 
Out[47]: 
0  a 
1  a 
2  a 
3  b 
4  b 
5  b 
6  c 
7  c 
8  d 
9  d 
10 e 
11 f 
12 g 
13 h 
dtype: category 
Categories (8, object): [a < b < c < d < e < f < g < h] 

In [48]: df = pd.get_dummies(s) 

In [49]: df 
Out[49]: 
    a b c d e f g h 
0 1 0 0 0 0 0 0 0 
1 1 0 0 0 0 0 0 0 
2 1 0 0 0 0 0 0 0 
3 0 1 0 0 0 0 0 0 
4 0 1 0 0 0 0 0 0 
5 0 1 0 0 0 0 0 0 
6 0 0 1 0 0 0 0 0 
7 0 0 1 0 0 0 0 0 
8 0 0 0 1 0 0 0 0 
9 0 0 0 1 0 0 0 0 
10 0 0 0 0 1 0 0 0 
11 0 0 0 0 0 1 0 0 
12 0 0 0 0 0 0 1 0 
13 0 0 0 0 0 0 0 1 

In [50]: x = df.stack() 

# I don't think you actually need to specify ALL of the categories here, as by definition 
# they are in the dummy matrix to start (and hence the column index) 
In [51]: Series(pd.Categorical(x[x!=0].index.get_level_values(1))) 
Out[51]: 
0  a 
1  a 
2  a 
3  b 
4  b 
5  b 
6  c 
7  c 
8  d 
9  d 
10 e 
11 f 
12 g 
13 h 
Name: level_1, dtype: category 
Categories (8, object): [a < b < c < d < e < f < g < h] 

Bu yüzden, doğal bir işlem gibi göründüğü için bunu yapmak için bir işleve ihtiyacımız var. Belki get_categories(), Bir kaç yıl oldu, bu nedenle bu soru başlangıçta sorulduğunda bu iyi geri pandas araç setinde olmamış olabilir, ama bu yaklaşım bana biraz daha kolay görünüyor here

Answer 2

bakın. idxmax, en büyük öğeye karşılık gelen dizini (yani, 1 olanı) döndürecektir. axis=1 yapıyoruz, çünkü 1'un oluştuğu sütun adını istiyoruz.

DÜZENLEME: Sadece bir dize yerine kategorik yapmama zahmet etmedim, ancak bunu @ jeff pd.Categorical (ve istenirse pd.Series) ile sarmalayarak yaptığınız gibi yapabilirsiniz.

In [1]: import pandas as pd 

In [2]: s = pd.Series(['a', 'b', 'a', 'c']) 

In [3]: s 
Out[3]: 
0 a 
1 b 
2 a 
3 c 
dtype: object 

In [4]: dummies = pd.get_dummies(s) 

In [5]: dummies 
Out[5]: 
    a b c 
0 1 0 0 
1 0 1 0 
2 1 0 0 
3 0 0 1 

In [6]: s2 = dummies.idxmax(axis=1) 

In [7]: s2 
Out[7]: 
0 a 
1 b 
2 a 
3 c 
dtype: object 

In [8]: (s2 == s).all() 
Out[8]: True