假設我有一個類似的 df，它記錄了計算機游戲中 6 個玩家 (3v3) 中每個玩家的可玩角色選擇。data = {'Pick_1_team1': ['A','A','A','B','C'], 'Pick_2_team1': ['D','D','E','F','F'], 'Pick_3_team1': ['G','G','A','M','O'], 'Pick_1_team2': ['Q','Q','S','S','A'], 'Pick_2_team2': ['V','W','X','A','B'], 'Pick_3_team2': ['R','X','W','W','R']}df = pd.DataFrame(data)df_enc = pd.get_dummies(df)當我使用 panda 的 get_dummies 時，我將得到一個具有以下結構的稀疏 df（例如，不是來自示例 df 的實際編碼）每個 Pick-slot 都有每個可能的選擇 (AZ)，適用于兩支球隊。| P1_T1_A | P1_T1_B | P1_T1_C | ... | P2_T1_A | ... | P3_T1_Z | ... | P1_T2_A | P1_T2_B | ... | P3_T2_Z ||---------|---------|---------|-----|---------|-----|---------|-----|---------|---------|-----|---------|| 0 | 0 | 1 | ... | 0 | ... | 0 | ... | 1 | 0 | ... | 1 || 1 | 0 | 0 | ... | 0 | ... | 0 | ... | 0 | 1 | ... | 1 || 1 | 0 | 0 | ... | 0 | ... | 0 | ... | 0 | 0 | ... | 0 |這沒關系，但如果您考慮更大的輸入空間（有 150 多個可能的選擇），表格會變得非常大。為了使其更易于管理，我正在考慮以某種方式將其編碼為以下格式：每個類別（角色）一列 x 每個團隊 2，如果該角色被選中則為 1，否則為 0。| T1_A | T1_B | T1_C | ... | T1_Z | ... | T2_A | T2_B | ... | T2_Z ||------|------|------|-----|------|-----|------|------|-----|------|| 0 | 0 | 1 | ... | 0 | ... | 1 | 1 | ... | 1 || 1 | 1 | 1 | ... | 0 | ... | 0 | 0 | ... | 1 || 1 | 0 | 0 | ... | 0 | ... | 0 | 0 | ... | 0 |這會將特征數量限制為選秀權數 x 球隊數（26 個字母 * 2 支球隊），而不是可能的選秀權數 x 選秀權數 x 球隊數（26 個字母 * 3 個選秀權 * 2 支球隊）熊貓可以通過任何 built_in 做到這一點功能？如果不是，最簡單的方法是什么？任何幫助表示贊賞！謝謝。
2 回答
白衣非少年
TA貢獻1155條經驗 獲得超0個贊
您可以通過首先選擇一個團隊filter，stack數據并使用str.get_dummies，然后選擇groupbylevel=0（原始 df 中的行）和sum。對于兩個團隊add_prefix之前的專欄，例如：concat
df_ = pd.concat([
(df.filter(like=f'Pick_{i}').stack()
.str.get_dummies()
.groupby(level=0).sum()
.add_prefix(f'T{i}_')
) for i in [1,2] ],
axis=1)
print (df_)
T1_A T1_B T1_C T1_D T1_E T1_F T1_G T1_M T1_O T2_A T2_B T2_Q \
0 1 0 0 1 0 0 1 0 0 0 0 1
1 1 0 0 1 0 0 1 0 0 0 0 1
2 2 0 0 0 1 0 0 0 0 0 0 0
3 0 1 0 0 0 1 0 1 0 1 0 0
4 0 0 1 0 0 1 0 0 1 1 1 0
T2_R T2_S T2_V T2_W T2_X
0 1 0 1 0 0
1 0 0 0 1 1
2 0 1 0 1 1
3 0 1 0 1 0
4 1 0 0 0 0
HUH函數
TA貢獻1836條經驗 獲得超4個贊
如果只需要值或需要計數值，請get_dummies與聚合一起使用：max1,0sum
df_enc = (pd.get_dummies(df.rename(columns=lambda x:x.split('_', 2)[-1].replace('team','T')))
.max(axis=1, level=0)
.sort_index(axis=1, level=0))
print (df_enc)
T1_A T1_B T1_C T1_D T1_E T1_F T1_G T1_M T1_O T2_A T2_B T2_Q \
0 1 0 0 1 0 0 1 0 0 0 0 1
1 1 0 0 1 0 0 1 0 0 0 0 1
2 1 0 0 0 1 0 0 0 0 0 0 0
3 0 1 0 0 0 1 0 1 0 1 0 0
4 0 0 1 0 0 1 0 0 1 1 1 0
T2_R T2_S T2_V T2_W T2_X
0 1 0 1 0 0
1 0 0 0 1 1
2 0 1 0 1 1
3 0 1 0 1 0
4 1 0 0 0 0
添加回答
舉報
0/150
提交
取消