(已编辑:我刚刚意识到我想问一个无法回答但不确定如何删除这个问题的问题...请忽略或建议我如何删除。我想我需要考虑一个不同的解决这个问题的方法。)
******----------------------------*****
我有一个名为 user_answers 的 DataFrame,这个 DataFrame 是使用 get_dummies() 形成的。看起来像这样
Index,Q1_1,Q1_2,Q1_4,Q1_5,mas_Y,fhae_Y
1,1,0,0,0,0,0
2,0,0,1,0,1,0
3,0,1,0,0,1,1
4,1,0,0,0,1,0
5,0,0,0,1,1,0
6,0,0,1,0,1,1
7,0,1,0,0,1,1
我需要与名为 DF_answers 的类似 DataFrame 进行比较。该 DataFrame 看起来像这样
Index,Q1_1,Q1_2,Q1_3,Q1_4,Q1_5,mas_Y,fhae_Y
1,1,0,0,0,0,1,0
2,1,0,0,0,0,1,0
3,0,1,0,0,0,1,1
4,0,0,1,0,0,1,0
5,0,0,0,0,1,1,0
6,1,0,0,0,0,1,1
7,0,0,0,1,0,1,1
我遇到的问题是,当我使用“get_dummies”时,假设用户没有选择 Q1_3 作为原始问卷中 7 个问题中的任何一个的答案,则不会在 Q1_3 的 user_answers 数据框中创建列。我需要尝试让 user_answers 的输出看起来像这样。因此,即使用户未对 7 个问题中的任何一个问题回答 Q1_3,get_dummies 仍会输出一个用零填充的列 Q1_3,如下图所示。
Index,Q1_1,Q1_2,Q1_3,Q1_4,Q1_5,mas_Y,fhae_Y
1,1,0,0,0,0,0,0
2,1,0,0,0,0,1,0
3,0,1,0,0,0,1,1
4,1,0,0,0,0,1,0
5,0,0,0,1,0,1,0
6,1,0,0,0,0,1,1
7,1,0,0,0,0,1,1
我想我想太多了,我可能想多了。我读到您可以将列名列表传递给 get_dummies()
请您参考如下方法:
抱歉耽搁了,
在下面找到我的尝试:
据我了解,以下内容适用
- 您有一个数据框,其中只有用户填写的问题。
- 您需要将其合并到一个框架中,该框架包含所有问题以进行某种进一步分析?
如果这是真的,这就是我的愚蠢尝试:
cols = ['ID','Q1_1','Q1_2','Q1_4','Q1_5','mas_Y','fhae_Y']
data = []
for x in enumerate(cols):
data.append(np.random.randint(0,150,size=150))
df = pd.DataFrame(dict(zip(cols,data)))
print(df.head())
ID Q1_1 Q1_2 Q1_4 Q1_5 mas_Y fhae_Y
0 7 76 41 46 57 75 139
1 11 118 65 38 17 116 75
2 111 104 109 110 32 53 106
3 131 14 92 128 14 22 65
4 83 72 148 99 103 133 144
## Create a dummy frame
cols_b = ['ID']
x = 0
for i in range(1,101):
cols_b.append('Q1_' + str(x+i))
data_b = []
for x in enumerate(cols_b):
data_b.append(np.nan)
df2 = pd.DataFrame(dict(zip(cols_b,data_b)),index=[0])
final_cols = list(df2.columns)
final_cols.append('fhae_Y')
final_cols.append('mas_Y')
df = pd.merge(df,df2,how='left')
print(df[final_cols].fillna(0).head(5))
ID Q1_1 Q1_2 Q1_3 Q1_4 Q1_5 Q1_6 Q1_7 Q1_8 Q1_9 ... Q1_93 Q1_94 Q1_95 Q1_96 Q1_97 Q1_98 Q1_99 Q1_100 fhae_Y mas_Y
0 7 76 41 0.0 46 57 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 139 75
1 11 118 65 0.0 38 17 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 75 116
2 111 104 109 0.0 110 32 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 106 53
3 131 14 92 0.0 128 14 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 65 22
4 83 72 148 0.0 99 103 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 144
