具有自定义值权重的Pandas虚拟编码

Question

我的数据如下：

pd.DataFrame({'id': [1,2,3], 'item': ['item_a', 'item_a', 'item_b'],
                  'score': [1,-1,1]})

id  item    score
1   item_a    1
2   item_a    -1
3   item_b    1

我想为item列获取伪代码，但我想根据它们在score列中的值对它们进行评分。如果没有观察到，我要一个0插补。像这样：

id  item_a  item_b
1      1      0
2     -1      0
3      0      1

如您所见，我想捕获用户id 1喜欢项a，id 2不喜欢项a，并且用户3没有与项a交互。id列在每行中不是唯一的-例如，用户id 3可能喜欢项a，而这将记录为原始数据帧中的新行。你知道吗

我试过在pandas中使用get\ dummies，但是这种方法只计算“item”列中观察到的值的数量，没有考虑分数值。你知道吗

Answer 1

您可以使用set_index+unstack：

import pandas as pd

df = pd.DataFrame({'id': [1,2,3], 'item': ['item_a', 'item_a', 'item_b'],
                  'score': [1,-1,1]})

print(df.set_index(['id', 'item'])['score'].unstack(fill_value=0))

输出

item  item_a  item_b
id                  
1          1       0
2         -1       0
3          0       1

如果您想精确匹配输出，只需添加以下行：

result.columns.name = None
result.reset_index(inplace=True)

输出

   id  item_a  item_b
0   1       1       0
1   2      -1       0
2   3       0       1

Answer 2

你想要的是^{}：

df.pivot_table(values='score', index='id', columns='item', fill_value=0)
#item  item_a  item_b
#id                  
#1          1       0
#2         -1       0
#3          0       1