Skip to main content
 首页 » 编程设计

python之如果其中一个列值为 1,如何使用 groupby 并应用 DataFrames 将组列中的所有值设置为 1

2025年02月15日7kenshinobiy

我有一个具有以下结构的 DataFrame:

我想转换 DataFrame,以便对于每个唯一的 user_id,如果一列包含 1,则整个列应该包含该 user_id 的 1。假设我事先不知道所有的列名。基于以上输入,输出将是:

我有以下代码(请原谅它不够简洁):

df = df.groupby('user_id').apply(self.transform_columns) 
 
def transform_columns(self, x): 
    x.apply(self.transform) 
 
def transform(self, x): 
    if 1 in x: 
        for element in x: 
            element = 1 
        var = x 

在transform函数的点上,x肯定是一个数列。由于某种原因,此代码返回一个空的 DataFrame。顺便说一句,如果您还知道一种从转换中排除某些列(例如 user_id)的方法,那就太好了。请帮忙。

我将解释如何将数据转换为输入的初始状态,因为在尝试 Jezrael 的回答后,我在“user_id”列(肯定存在于 df 中)上收到 KeyError。数据的初始状态如下:

我使用以下代码将其转换为问题中第一张图片所示的状态:

df2 = self.add_support_columns(df) 
df = df.join(df2) 
 
def add_support_columns(self, df): 
    df['pivot_column'] = df.apply(self.get_col_name, axis=1) 
    df['flag'] = 1 
    df = df.pivot(index='user_id', columns='pivot_column')['flag'] 
    df.reset_index(inplace=True) 
    df = df.fillna(0) 
 
    return df 

请您参考如下方法:

您可以使用 set_index + groupby + transform与 any + reset_index :

之所以有效,是因为 1 在 any 函数过程中,如 True - 所以如果至少有一个 1 它返回 1 否则 0。

df = pd.DataFrame({ 
    'user_id' : [33,33,33,33,22,22], 
    'q1' : [1,0,0,0,0,0], 
    'q2' : [0,0,0,0,1,0],     
    'q3' : [0,1,0,0,0,1],      
    }) 
df = df.reindex_axis(['user_id','q1','q2','q3'], 1) 
print (df) 
   user_id  q1  q2  q3 
0       33   1   0   0 
1       33   0   0   1 
2       33   0   0   0 
3       33   0   0   0 
4       22   0   1   0 
5       22   0   0   1 
 
df = df.set_index('user_id') 
       .groupby('user_id') # or groupby(level=0) 
       .transform(lambda x: 1 if x.any() else 0) 
       .reset_index() 
print (df) 
   user_id  q1  q2  q3 
0       33   1   0   1 
1       33   1   0   1 
2       33   1   0   1 
3       33   1   0   1 
4       22   0   1   1 
5       22   0   1   1 

解决方案 join :

df = df[['user_id']].join(df.groupby('user_id').transform(lambda x: 1 if x.any() else 0)) 
print (df) 
   user_id  q1  q2  q3 
0       33   1   0   1 
1       33   1   0   1 
2       33   1   0   1 
3       33   1   0   1 
4       22   0   1   1 
5       22   0   1   1 

编辑:

更多动态解决方案 difference + reindex_axis :

#select only some columns 
cols = ['q1','q2'] 
#all another columns are not transforming 
cols2 = df.columns.difference(cols) 
 
df1 = df[cols2].join(df.groupby('user_id')[cols].transform(lambda x: 1 if x.any() else 0)) 
#if need same order of columns as original 
df1 = df1.reindex_axis(df.columns, axis=1) 
print (df1) 
   user_id  q1  q2  q3 
0       33   1   0   0 
1       33   1   0   1 
2       33   1   0   0 
3       33   1   0   0 
4       22   0   1   0 
5       22   0   1   1 

逻辑也可以反转:

#select only columns which are not transforming 
cols = ['user_id'] 
#all another columns are transforming 
cols2 = df.columns.difference(cols) 
 
df1 = df[cols].join(df.groupby('user_id')[cols2].transform(lambda x: 1 if x.any() else 0)) 
df1 = df1.reindex_axis(df.columns, axis=1) 
print (df1) 
   user_id  q1  q2  q3 
0       33   1   0   1 
1       33   1   0   1 
2       33   1   0   1 
3       33   1   0   1 
4       22   0   1   1 
5       22   0   1   1 

编辑:

更有效的解决方案是只返回 bool 掩码,然后转换为 int:

df1 = df.groupby('user_id').transform('any').astype(int) 

时间:

In [170]: %timeit (df.groupby('user_id').transform(lambda x: 1 if x.any() else 0)) 
1 loop, best of 3: 514 ms per loop 
 
In [171]: %timeit (df.groupby('user_id').transform('any').astype(int)) 
10 loops, best of 3: 84 ms per loop 

计时示例:

np.random.seed(123) 
N = 1000 
df = pd.DataFrame(np.random.choice([0,1], size=(N, 3)), 
                   index=np.random.randint(1000, size=N)) 
df.index.name = 'user_id' 
df = df.add_prefix('q').reset_index() 
#print (df)