Python按行和主題分組并創建具有二進制值的新列

我有一個大的 csv，其中每一行都是一個單獨的學校課程，每個課程都標有一個或多個主題，如下所示：

我需要計算每門課程的每個主題的存在。每個主題都需要作為自己的列附加，每行編碼為 0 或 1，具體取決于該主題是否存在于課程中。總共有 49 個主題，所以我需要在表格中添加 49 行。

有 4000 行，其中許多是相同課程名稱的重復，因此也需要對它們進行分組。例如，如果課程名稱 X 的一個實體具有主題 1、2，但同一課程的另一個實體具有主題 1、3，則列主題 1 的二進制值應為 1，主題 2 應為 1，主題 3 應為 1 ，而其余??主題列編碼為 0。

輸出應如下所示：

我有一個嵌套回圈結構，它按分號拆分主題，然后進行一些清理以標準化主題名稱，但我堅持如何為每個編碼為正確二進制值的主題附加一個新列。

import pandas as pd
import io
 
df = pd.read_csv(io.BytesIO(uploaded['courses.csv']))

df_dict = {}
result = []
topic = []
count = []

for item in df['Course ID']:
    for item in df['Final Code']:
        if type(item) == str:
            item_list = item.split(';')
            for each in item_list:
                each = each.strip().lower()
                if each == "[too ambigious]" or each == "too ambiguous":
                    each = "[too ambiguous]"
                if each == "equity and equality\\":
                    each = "equity and equality"
                if each == "[NA]" or each == "N/A":
                    each = "NA"
                    #create new column for each unique topic
                    for item in df['Final Code']:
                        result.append(item)


                        #1 if that topic is present in each course, else 0
                        if each in df_dict:
                            df_dict[each] = 1
                        else:
                            df_dict[each] = 0

print(df_dict)
print(result)
print(df)

好久沒用python了，忘記怎么弄了。

uj5u.com熱心網友回復：

你可以試試這個：

df.set_index(['school name', 'department', 'course name'])['topics'].str.get_dummies(';')\
  .add_prefix('topics ')\
  .reset_index()

輸出：

  school name department course name  topics  2  topics  3  topics  4  topics  5  topics 1
0           A         A1           X          1          0          0          0         1
1           A         A1           Y          0          1          0          0         1
2           B         B1           Z          1          0          1          0         1
3           C         C1          XX          0          0          0          1         1

uj5u.com熱心網友回復：

嘗試使用帶有關鍵字引數的Series.str.split方法。expand=True

uj5u.com熱心網友回復：

嘗試使用np.where(condition,resultiftrue, resultIfFalse) 如下示例鏈接所示 https://www.dataquest.io/blog/tutorial-add-column-pandas-dataframe-based-on-if-else-condition/

uj5u.com熱心網友回復：

嘗試.str.split跟隨pd.crosstab。然后將兩個資料幀附加在一起：

x = df.pop("topics").str.split(r"\s*;\s*").explode()
x = pd.crosstab(x.index, x).add_prefix("topic ")
df = pd.concat([df, x], axis=1)

print(df)

印刷：

  school name department course name  topic 1  topic 2  topic 3  topic 4  topic 5
0           A         A1           X        1        1        0        0        0
1           A         A1           Y        1        0        1        0        0
2           B         B1           Z        1        1        0        1        0
3           C         C1          XX        1        0        0        0        1

標籤：Python熊猫循环通过...分组嵌套循环

上一篇：如何迭代熊貓中的特定索引？

下一篇：doWhile回圈在第二個輸入時崩潰