当元素属于多个类别时按类别分组

Question

我有一个由一组邮政编码编制索引的数据集合。我想根据与另一组地理特征的接近程度，比如说，到附近湖泊的距离来汇总这些数据。在

它很简单，比如说，在一个数据帧中遍历每个湖，并应用haversine函数返回50英里内的所有邮政编码。反之亦然；我可以轻松地遍历所有邮政编码，并为每个邮政编码返回50英里范围内的湖泊列表。在

但我想做得更有效率。如果每个zip只对应一个湖，比如说最近的一个湖，那么简单的方法是创建一个新的"lake"列，然后应用groupby("lake")来接收要处理的二进制数据。在

我想要的是在groupby之前自动复制行的技术。假设我有以下数据：

        lake
zip
10001   Huron
10002   Huron, Erie
10003   Erie, Superior

{cd3>要返回}下面的调用：

^{pr2}$

基本上，有没有什么好方法可以做到这一点，或者您基本上还是坚持使用dirty-loop-through-indexes方法？在

Answer 1

选项1
str.split加expand=True，后跟stack+groupby。这将返回组。在

g = df.lake.str.split(',\s*', expand=True).stack()\
           .to_frame(name='lake').reset_index(level=1, drop=1).groupby('lake')

for i, k in g:
    print(k, '\n')

       lake
zip        
10002  Erie
10003  Erie 

        lake
zip         
10001  Huron
10002  Huron 

           lake
zip            
10003  Superior 

---

选项2
str.get_dummies，我喜欢的方法。这不会返回分组结果，但是get_dummies隐式地创建ohe，您可以将其转换为分组。在

^{pr2}$