如何在python中使用pandas將多項選擇題轉換為可讀資料？-有解無憂

我有調查資料，我正試圖將其整理成更可用于分析的資料。

我已經能夠找到大多數問題的體面指南，但有一個 - 解決傳遞到單個列中的多項選擇題。

將其拆分為單獨的列的最佳做法是什么？

我通常會在 SQL 中執行此操作，并且我會在檢查每個不同選項時創建一個 CASE，創建與選項一樣多的列。

這是我正在使用的示例表：


 ---- ---------------------------- 
| ID | When did you attend?       |
 ---- ---------------------------- 
| 1  | Monday\nTuesday            |
 ---- ---------------------------- 
| 2  | Monday\nTuesday\nWednesday |
 ---- ---------------------------- 
| 3  | Monday\nFriday\nSaturday   |
 ---- ----------------------------

這就是我認為轉換成的有意義的：

 ---- ---------------------------- -------- --------- ----------- ---------- -------- ---------- -------- 
| ID | When did you attend?       | Monday | Tuesday | Wednesday | Thursday | Friday | Saturday | Sunday |
 ---- ---------------------------- -------- --------- ----------- ---------- -------- ---------- -------- 
| 1  | Monday\nTuesday            | True   | True    | False     | False    | False  | False    | False  |
 ---- ---------------------------- -------- --------- ----------- ---------- -------- ---------- -------- 
| 2  | Monday\nTuesday\nWednesday | True   | True    | True      | False    | False  | False    | False  |
 ---- ---------------------------- -------- --------- ----------- ---------- -------- ---------- -------- 
| 3  | Monday\nFriday\nSaturday   | True   | False   | False     | False    | True   | True     | False  |
 ---- ---------------------------- -------- --------- ----------- ---------- -------- ---------- --------

到目前為止，我已經弄清楚如何使用將第二列中的字串部分傳遞到串列中df.iloc[:,1].str.split('\n')，但我還沒有弄清楚接下來的步驟（即使那是必要的）。

對我來說，這似乎可以更輕松地根據參加的天數對其余資料進行細分。

uj5u.com熱心網友回復：

我們可以使用str.get_dummies分隔符周圍的字串拆分\n并創建指標變數的資料框，然后reindex沿列軸將此資料框更改dtype為布林值，最后join將給定的資料框與指標資料框一起使用以獲得結果

import calendar

df.join(
    df['When did you attend?'].str.get_dummies(sep='\n')
    .reindex(calendar.day_name, axis=1, fill_value=0).astype(bool)
)

   ID        When did you attend?  Monday  Tuesday  Wednesday  Thursday  Friday  Saturday  Sunday
0   1             Monday\nTuesday    True     True      False     False   False     False   False
1   2  Monday\nTuesday\nWednesday    True     True       True     False   False     False   False
2   3    Monday\nFriday\nSaturday    True    False      False     False    True      True   False

uj5u.com熱心網友回復：

將字串轉換為串列后，您可以展開串列列以獲取每天的單獨行。然后，您可以旋轉表格以使其成為每一天的一列。

使用此資料框：

df = pd.DataFrame({
    'ID': [1,2,3],
    'When did you attend?': ['Monday\nTuesday', 'Monday\nTuesday\nWednesday', 'Monday\nFriday\nSaturday']
})

拆分字串：

df['When did you attend?'] = df['When did you attend?'].str.split('\n')
   ID          When did you attend?
0   1             [Monday, Tuesday]
1   2  [Monday, Tuesday, Wednesday]
2   3    [Monday, Friday, Saturday]

爆炸，為每個 ID 創建一行，出席天數：

df = df.explode('When did you attend?')
   ID When did you attend?
0   1               Monday
0   1              Tuesday
1   2               Monday
1   2              Tuesday
1   2            Wednesday
...

樞軸將天作為列：

df = df.pivot(index='ID', columns='When did you attend?', values='When did you attend?')
When did you attend?  Friday  Monday  Saturday  Tuesday  Wednesday
ID                                                                
1                        NaN  Monday       NaN  Tuesday        NaN
2                        NaN  Monday       NaN  Tuesday  Wednesday
3                     Friday  Monday  Saturday      NaN        NaN

最后，重新排序列并將值轉換為布林值：

df = df[['Monday', 'Tuesday', 'Wednesday', 'Friday', 'Saturday']]
df = df.fillna(0).astype('bool')
When did you attend?  Monday  Tuesday  Wednesday  Friday  Saturday
ID                                                                
1                       True     True      False   False     False
2                       True     True       True   False     False
3                       True    False      False    True      True

取決于您以后要做什么，僅爆炸而不旋轉可能是更有用的結構。

請注意，列中缺少不在資料中的天數。您可能希望為缺失的天數添加列，除非您的資料無論如何都包含每一天。

uj5u.com熱心網友回復：

df.join(df["When did you attend?"].str.split("\n").explode().rename("Day")).assign(
    exist=True
).pivot(index=["ID", "When did you attend?"], columns="Day").droplevel(0, 1).reindex(
    ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday"],
    axis=1,
).fillna(
    False
).reset_index().rename_axis(
    columns=None
)

分解它：

拆分后爆炸該列

tmp = df["When did you attend?"].str.split("\n").explode().rename("Day")
tmp
>>>
0       Monday
0      Tuesday
1       Monday
1      Tuesday
1    Wednesday
2       Monday
2       Friday
2     Saturday
Name: Day, dtype: object

連接回原始 df 并創建 True 的存在列（稍后用作樞軸中的值列）

df.join(tmp).assign(exist=True)
   ID        When did you attend?        Day  exist
0   1             Monday\nTuesday     Monday   True
0   1             Monday\nTuesday    Tuesday   True
1   2  Monday\nTuesday\nWednesday     Monday   True
1   2  Monday\nTuesday\nWednesday    Tuesday   True
1   2  Monday\nTuesday\nWednesday  Wednesday   True
2   3    Monday\nFriday\nSaturday     Monday   True
2   3    Monday\nFriday\nSaturday     Friday   True
2   3    Monday\nFriday\nSaturday   Saturday   True

透視清理（降低列級別，重新索引一周中的所有天數以解決資料集中缺失的天數，然后用 False 填充）

   ID        When did you attend?  Monday  Tuesday  Wednesday  Thursday  Friday  Saturday  Sunday
0   1             Monday\nTuesday    True     True      False     False   False     False   False
1   2  Monday\nTuesday\nWednesday    True     True       True     False   False     False   False
2   3    Monday\nFriday\nSaturday    True    False      False     False    True      True   False

轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/362560.html

標籤：Python 熊猫数据框

上一篇：標記組中最大行的列

下一篇：用檔案標記分析情緒