向DataFram添加二进制标志

Question

这是我的previous post关于公司名称数据帧非规范化的继续。你知道吗

一些背景：

最初，我使用下表：

import numpy as np
import pandas as pd

df = pd.DataFrame({'name' : ['Nitron', 'Pulset', 'Rotaxi'], 
                   'postal_code' : [1410, 1020, 1310], 
                   'previous_name1' : ['Rotory', np.NaN, 'Datec'],
                   'previous_name2' : [ np.NaN, 'Cmotor', np.NaN],
                   'previous_name3' : ['Datec', np.NaN, np.NaN],
                   'country' : ['BEL', 'ENG', 'JPN'], 
                   'city' : ['Brussels', np.NaN, np.NaN]
                  })

print(df)

| name   | postal_code | previous_name1 | previous_name2 | previous_name3 | country | city     |
|--------|-------------|----------------|----------------|----------------|---------|----------|
| Nitron | 1410        | Rotory         | NaN            | Datec          | BEL     | Brussels |
| Pulset | 1020        | NaN            | Cmotor         | NaN            | ENG     | NaN      |
| Rotaxi | 1310        | Cyclip         | NaN            | NaN            | JPN     | NaN      |

反规范化的目标是为以前的公司名称不丢失的所有实例添加新行，然后删除以前的所有名称序列。你知道吗

多亏了jezrael，我用以下代码实现了这一点：

df1 = (df.set_index(['postal_code','country','city'])
         .stack()
         .reset_index(level=3, drop=True)
         .reset_index(name='name')
         )

print (df1)

   postal_code country      city    name
0         1410     BEL  Brussels  Nitron
1         1410     BEL  Brussels  Rotory
2         1410     BEL  Brussels   Datec
3         1020     ENG       NaN  Pulset
4         1020     ENG       NaN  Cmotor
5         1310     JPN       NaN  Rotaxi
6         1310     JPN       NaN   Datec

新目标

我的新目标是添加一个附加的标志/列，其值定义为

• 1如果公司名称是旧名称（即以前的名称系列之一）
• 否则为0。你知道吗

也就是说，新的DataFrame在视觉上应该是这样的（列的顺序无关紧要）：

| name   | postal_code | country | city     | old_name_flag |
|--------|:-----------:|:-------:|----------|:-------------:|
| Nitron |     1410    |   BEL   | Brussels |       0       |
| Rotory |     1410    |   BEL   | Brussels |       1       |
| Datec  |     1410    |   BEL   | Brussels |       1       |
| Pulset |     1020    |   ENG   | NaN      |       0       |
| Cmotor |     1020    |   ENG   | NaN      |       1       |
| Rotaxi |     1310    |   JPN   | NaN      |       0       |
| Cyclip |     1310    |   JPN   | NaN      |       1       |

我试图调整耶斯雷尔的代码，但没有成功。任何额外的帮助都将不胜感激。你知道吗

Answer 1

这里有一种使用wide_to_long的方法

df=df.rename({'name':'previous_name0'})
s=pd.wide_to_long(df,['previous'],i=['postal_code','country','city'],j='old_name_flag',sep='_',suffix='\w+').reset_index()
s=s[s.previous.notnull()]
s['old_name_flag']=s['old_name_flag'].ne('name0').astype(int)
s
Out[147]: 
   postal_code country      city  old_name_flag previous
0         1410     BEL  Brussels              0   Nitron
1         1410     BEL  Brussels              1   Rotory
3         1410     BEL  Brussels              1    Datec
4         1020     ENG       NaN              0   Pulset
6         1020     ENG       NaN              1   Cmotor
8         1310     JPN       NaN              0   Rotaxi
9         1310     JPN       NaN              1    Datec

或者我们从你的df1开始

df1['old_name_flag']=df.groupby(['postal_code','country']).cumcount().ne(0).astype(int)
df1
Out[152]: 
   postal_code country      city    name  old_name_flag
0         1410     BEL  Brussels  Nitron              0
1         1410     BEL  Brussels  Rotory              1
2         1410     BEL  Brussels   Datec              1
3         1020     ENG       NaN  Pulset              0
4         1020     ENG       NaN  Cmotor              1
5         1310     JPN       NaN  Rotaxi              0
6         1310     JPN       NaN   Datec              1

Answer 2

重新索引时，信息已在数据帧中：

df1 = (df.set_index(['postal_code','country','city'])
         .stack()
#          .reset_index(level=3, drop=True)
         .reset_index(name='name')
         )

df1['old_name_flag'] = df1['level_3'].ne('name')
df1.drop('level_3', axis=1, inplace=True)

print (df1)

输出：

   postal_code country      city    name  old_name_flag
0         1410     BEL  Brussels  Nitron          False
1         1410     BEL  Brussels  Rotory           True
2         1410     BEL  Brussels   Datec           True
3         1020     ENG       NaN  Pulset          False
4         1020     ENG       NaN  Cmotor           True
5         1310     JPN       NaN  Rotaxi          False
6         1310     JPN       NaN   Datec           True

更新：您还可以按如下方式使用assign链接命令（不过为了清晰起见，我更喜欢使用单独的命令）：

df1 = (df.set_index(['postal_code','country','city'])
         .stack()
         .reset_index(name='name')
         .assign(old_name_flag=lambda x: x['level_3'].ne('name'))
         .drop('level_3', axis=1)
         )