如何有效地重新排列 pandas 数据，如下所示? [英] How to efficiently rearrange pandas data as follows?

问题描述

在以下操作的大熊猫中，我需要一些简洁而有效的配方帮助:

I need some help with a concise and first of all efficient formulation in pandas of the following operation:

给出格式的数据框

id    a   b    c   d
1     0   -1   1   1
42    0    1   0   0
128   1   -1   0   1

构造以下格式的数据框:

Construct a data frame of the format:

id     one_entries
1      "c d"
42     "b"
128    "a d"

也就是说，"one_entries"列包含其原始框架中的条目为1的列的串联名称.

That is, the column "one_entries" contains the concatenated names of the columns for which the entry in the original frame is 1.

推荐答案

这是使用布尔规则和应用lambda函数的一种方法.

Here's one way using boolean rule and applying lambda func.

In [58]: df
Out[58]:
    id  a  b  c  d
0    1  0 -1  1  1
1   42  0  1  0  0
2  128  1 -1  0  1

In [59]: cols = list('abcd')

In [60]: (df[cols] > 0).apply(lambda x: ' '.join(x[x].index), axis=1)
Out[60]:
0    c d
1      b
2    a d
dtype: object

---

您可以将结果分配给df['one_entries'] =

应用功能的详细信息.

排第一行.

In [83]: x = df[cols].ix[0] > 0

In [84]: x
Out[84]:
a    False
b    False
c     True
d     True
Name: 0, dtype: bool

x为您提供该行的布尔值，该值大于零. x[x]将仅返回True.本质上是一个以列名作为索引的系列.

x gives you Boolean values for the row, values greater than zero. x[x] will return only True. Essentially a series with column names as index.

In [85]: x[x]
Out[85]:
c    True
d    True
Name: 0, dtype: bool

x[x].index为您提供列名.

In [86]: x[x].index
Out[86]: Index([u'c', u'd'], dtype='object')

这篇关于如何有效地重新排列 pandas 数据，如下所示?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！