创建标签时将OneHotEncoding反转到列表中

Question

我有一个外形为（12000，21）的数据框，看起来像这样：

id   CID  U_lot P4 P5 P6 P7 P8 P9
 0 A0694     M   0  1  0  1  1  0
 1 A1486     M   0  0  1  0  0  0
 2 C0973     S   0  1  1  0  0  0
 3 B4251     D   0  0  0  1  0  1
 4 I0041     S   1  0  0  1  1  0
 5 J1102     F   0  0  0  0  0  1

如何将数据帧转换为如下所示：

id    CID U_lot  P_lots Label
 0  A0694     M [P5,P7]    P8
 1  A0694     M [P5,P8]    P7
 2  A0694     M [P7,P8]    P5
 3  A1486     M     NAN    P6
 4  C0973     S    [P5]    P6
 5  C0973     S    [P6]    P5
 6  B4251     D    [P7]    P8
 7  B4251     D    [P8]    P7
 8  I0041     S [P4,P7]    P8
 9  I0041     S [P4,P8]    P7
10  I0041     S [P7,P8]    P4
11  J1102     F     NAN    P9

我试过扭转pd.get_假人，但似乎不起作用

Answer 1

获取list列确实会降低效率。但是如果有必要，首先stack（或melt）将数据帧转换为长格式。此时，还要跟踪最终输出中所需的所有行（稍后获取这些NaN行所必需的）

df1 = (df.set_index(['id', 'CID', 'U_lot'])
         .stack()
         .loc[lambda x: x!=0]
         .reset_index(-1)
         .drop(columns=0)
         .rename(columns={'level_3': 'Label'}))

idx = df1.set_index('Label', append=True).index

然后，我们将把这个长数据帧与其自身合并，这样我们就可以得到所有的'P_lots'，不包括用query分割出来的标签

df1 = (df1.merge(df1, left_index=True, right_index=True, suffixes=['', '_r'])
          .query('Label != Label_r'))

最后，groupby获取列表，并重新索引以获取NaN

df1 = (df1.groupby(['id', 'CID', 'U_lot', 'Label'])
          .agg(P_lot=('Label_r', list))
          .reindex(idx)
          .reset_index())

---

    id    CID U_lot Label     P_lot
0    0  A0694     M    P5  [P7, P8]
1    0  A0694     M    P7  [P5, P8]
2    0  A0694     M    P8  [P5, P7]
3    1  A1486     M    P6       NaN
4    2  C0973     S    P5      [P6]
5    2  C0973     S    P6      [P5]
6    3  B4251     D    P7      [P9]
7    3  B4251     D    P9      [P7]
8    4  I0041     S    P4  [P7, P8]
9    4  I0041     S    P7  [P4, P8]
10   4  I0041     S    P8  [P4, P7]
11   5  J1102     F    P9       NaN