我有一个包含 10 列和 3000 行的数据集。每列包含一个 0 或 1。连接在一起的十列代表一个标签。有 0,1,2,3,4,5,6,7,8,9 十个标签。像“1000000000”这样的连接序列代表标签零,“0100000000”代表标签一(数字 1),“0000000001”代表标签九。
将这些序列转换为标签并将其作为第十一列添加到数据集中的最佳/有效代码是什么
- 循环
- lambda 函数
- 掩饰
- 二进制和操作
我很困惑,目前我正在尝试编写一个 lambda 函数来执行此操作,但这让我无处可去?
target1 = target.apply(lambda x: [print(x) for j in range(10) for i in x], axis = 1)
我想知道我应该使用哪种方法来实现这个模式匹配。
初始数据框
data = [[1,0,0,0,0,0,0,0,0,0],
[0,1,0,0,0,0,0,0,0,0],
[0,0,1,0,0,0,0,0,0,0],
[0,0,0,1,0,0,0,0,0,0],
[0,0,0,0,1,0,0,0,0,0],
[0,0,0,0,0,1,0,0,0,0],
[0,0,0,0,0,0,1,0,0,0],
[0,0,0,0,0,0,0,1,0,0],
[0,0,0,0,0,0,0,0,1,0],
[0,0,0,0,0,0,0,0,0,1]]
df = pd.DataFrame(data)
带有第十一列名称标签的最终数据
[dataframe][label]
1000000000 0
0100000000 1
0010000000 2
0001000000 3
0000100000 4
0000010000 5
0000001000 6
0000000100 7
0000000010 8
0000000001 9
请您参考如下方法:
您正在有效地寻找具有最大值的列索引,因此您可以使用 Dataframe.idxmax() , axis=1 应用于每一行的值:
df['label'] = df.idxmax(axis=1)
请注意,如果您有 其他 列,而不仅仅是 10 个数字列,您首先要只选择 10 个数字列;例如df.iloc[:, range(10)].idxmax(...).
演示:
>>> import pandas as pd
>>> data = [[1,0,0,0,0,0,0,0,0,0],
... [0,1,0,0,0,0,0,0,0,0],
... [0,0,1,0,0,0,0,0,0,0],
... [0,0,0,1,0,0,0,0,0,0],
... [0,0,0,0,1,0,0,0,0,0],
... [0,0,0,0,0,1,0,0,0,0],
... [0,0,0,0,0,0,1,0,0,0],
... [0,0,0,0,0,0,0,1,0,0],
... [0,0,0,0,0,0,0,0,1,0],
... [0,0,0,0,0,0,0,0,0,1]]
>>> df = pd.DataFrame(data)
>>> df['label'] = df.idxmax(axis=1)
>>> df
0 1 2 3 4 5 6 7 8 9 label
0 1 0 0 0 0 0 0 0 0 0 0
1 0 1 0 0 0 0 0 0 0 0 1
2 0 0 1 0 0 0 0 0 0 0 2
3 0 0 0 1 0 0 0 0 0 0 3
4 0 0 0 0 1 0 0 0 0 0 4
5 0 0 0 0 0 1 0 0 0 0 5
6 0 0 0 0 0 0 1 0 0 0 6
7 0 0 0 0 0 0 0 1 0 0 7
8 0 0 0 0 0 0 0 0 1 0 8
9 0 0 0 0 0 0 0 0 0 1 9
我一开始提倡通过 Dataframe.apply() 使用 Series.idxmax(),但在现已删除的评论中,Jezrael 提醒我 Dataframe .idxmax() 也存在并且在这里更实用。
