我有一个数据框(下面有一个 super 简化的版本),其中包含购买的产品和使用的设备的交易数据:
CUST_ID PRODUCT DEVICE
----------------------
1 A MOBILE
1 B TABLET
2 B LAPTOP
2 A MOBILE
3 C TABLET
3 C TABLET
我想对其进行转换,以便通过单个 cust_id View 了解每种产品和设备使用的购买频率:即数据框 (3x7)
CUST_ID PRODUCT_A PRODUCT_B PRODUCT_C DEVICE_MOBILE DEVICE_LAPTOP DEVICE_TABLET
1 1 1 0 1 0 1
2 1 1 0 1 1 0
3 0 0 2 0 0 2
我尝试使用 .pivot_table() 函数,但它为我添加了索引和重复列。这是一个简化版本,我需要为许多产品和设备执行此操作,所以也许函数或循环会更有效?
请您参考如下方法:
您可以使用 pd.get_dummies 和 df.groupby
pd.get_dummies(df, columns=['PRODUCT','DEVICE']).groupby(['CUST_ID'], as_index=False).sum()
输出:
CUST_ID PRODUCT_A PRODUCT_B PRODUCT_C DEVICE_LAPTOP DEVICE_MOBILE \
0 1 1 1 0 0 1
1 2 1 1 0 1 1
2 3 0 0 2 0 0
DEVICE_TABLET
0 1
1 0
2 2
