创建一个2D数组，其中包含来自数据框的2列，并循环获取值 [英] Create a 2D array with 2 columns from a dataframe and loop for value

问题描述

我有一个巨大的数据框，看起来像这样:

I have a huge dataframe which looks like this:

    u_id  i_id  
0  55218    0      
1  55218    2       
2  55218    1       
3  55222    2 
4  55222    3      

我想用轴 u_id 和 i_id 创建一个数组，值是 1 (如果 u_id 具有 i_id )，否则具有 0 .
像这样:

I want to create an array with the axes u_id and i_id and the value is 1 (if u_id has the i_id) and 0 otherwise.
Like that:

    0    1    2    3
0   1    1    1    0
1   0    0    1    1

我用以下方法创建了数组:

I created the array with:

df_neu = np.full(df[['u_id', 'i_id']].nunique(), 0)

但是现在我不知道如何覆盖 0 .

but now I don't know how to overwrite 0.

推荐答案

我认为这

columns = sorted(set(df['i_id'].values))
df_neu = pd.DataFrame({key: [1 if c in group['i_id'].values else 0
                             for c in columns]
                       for key, group in df.groupby('u_id')},
                      index=columns).T

基本上会导致您预期的结果:

essentially leads to your expected result:

       0  1  2  3
55218  1  1  1  0
55222  0  0  1  1

我的假设是您的原始DataFrame名为 df .

My assumption is that your original DataFrame is named df.

如果要摆脱 u_id 索引:

df_neu.reset_index(drop=True, inplace=True)

   0  1  2  3
0  1  1  1  0
1  0  0  1  1

或一个没有移调的:

columns = sorted(set(df['i_id'].values))
df_neu = pd.DataFrame([[1 if c in group['i_id'].values else 0
                        for c in columns]
                       for _, group in df.groupby('u_id')],
                      columns=columns)

这篇关于创建一个2D数组，其中包含来自数据框的2列，并循环获取值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！