पांडा डेटाफ़्रेम में पंक्तियों पर पुनरावृति करके नए कॉलम बनाना

Question

मेरे पास इस तरह एक पांडा डेटा फ्रेम (X11) है: वास्तविक में मेरे पास dx99 तक 99 कॉलम हैं

    dx1      dx2    dx3    dx4
0   25041   40391   5856    0
1   25041   40391   25081   5856
2   25041   40391   42822   0
3   25061   40391   0       0
4   25041   40391   0       5856
5   40391   25002   5856    3569

मैं 25041,40391,5856 जैसे सेल वैल्यू के लिए अतिरिक्त कॉलम (ओं) बनाना चाहता हूं, इसलिए किसी भी dxs कॉलम में उस विशेष पंक्ति में 1 या 0 के रूप में मान के साथ एक स्तंभ 25041 होगा। मैं इस कोड का उपयोग कर रहा हूं और यह काम करता है जब पंक्तियों की संख्या कम होती है।

mat = X11.as_matrix(columns=None)
values, counts = np.unique(mat.astype(str), return_counts=True)

for x in values:
    X11[x] = X11.isin([x]).any(1).astype(int)

मुझे इस तरह से परिणाम मिल रहा है:

dx1     dx2     dx3    dx4  0   25002   25041   25061   25081   3569    40391   42822   5856
25041   40391   5856    0   0   0       1       0       0       0          1        0       1
25041   40391   25081  5856 0   0       1       0       1       0            1      0       1
25041   40391   42822   0   0   0       1       0       0       0           1       1       0
25061   40391   0       0   0   0       0       1       0       0          1        0       0
25041   40391   0    5856   0   0       1       0       0       0          1        0       1
40391   25002 5856   3569   0   1       0       0       0       1          1        0       1

जब पंक्तियों की संख्या कई हजारों या लाखों में होती है, तो यह लटका रहता है और हमेशा के लिए ले जाता है और मुझे कोई परिणाम नहीं मिल रहा है। कृपया देखें कि बहु स्तंभों में दोहराए जाने के बजाय सेल मान स्तंभ के लिए अद्वितीय नहीं हैं। उदाहरण के लिए, 40391 dx1 के साथ-साथ dx2 में भी हो रहा है और 0 और 5856 इत्यादि के लिए। कोई भी विचार है कि ऊपर उल्लिखित तर्क को कैसे सुधारें?

Comments

कुछ पता है इसे कैसे हल करना है? मैं अभी भी इसके समाधान के लिए इंतजार कर रहा हूं क्योंकि मेरा डेटा बड़ा और बड़ा हो रहा है और मौजूदा समाधान हमेशा के लिए डमी कॉलम उत्पन्न करता है।

— सैनोज

Answer 1

पंडों में बहुत अधिक पाइथोनिक घोल है ...

यह मेरे लैपटॉप पर 10 मिलियन पंक्तियों पर एक सेकंड से भी कम समय लेता है:

for x in X11.E.unique():
    X11[x]=(X11.E==x).astype(int)
X11

यहाँ विवरण दिए गए हैं:

सरल छोटी डेटाफ़्रेम -

import numpy as np
import pandas as pd

X11 = pd.DataFrame(np.random.randn(6,4), columns=list('ABCD'))
X11['E'] = [25223, 112233,25223,14333,14333,112233]
X11

बिनकरण विधि -

for x in X11.E.unique():
    X11[x]=(X11.E==x).astype(int)
X11

10 मिलियन पंक्तियों के साथ डेटाफ्रेम -

pd.set_option("display.max_rows",20)
X12 = pd.DataFrame(np.random.randn(10000000,4), columns=list('ABCD'))
foo = [25223, 112233,25223,14333,14333,112233]
bar=[]
import random
for x in range(10000000):
    bar.append(random.choice(foo))
X12['E'] = bar
X12

10 मिलियन पंक्ति डेटाफ्रेम पर समयबद्ध बैनरीकरण (उर्फ वन-हॉट एन्कोडिंग) -

import time
start = time.clock()

for x in X12.E.unique():
    X12[x]=(X12.E==x).astype(int)
elapsed = (time.clock() - start)

print "This is the time that this took in seconds: ",elapsed

X12

उम्मीद है की यह मदद करेगा!

Comments

यह नहीं कहता कि आप गतिशील रूप से डमी मूल्य (25041) और कॉलम नाम (यानी dx1) दोनों को कैसे प्राप्त करेंगे। मैं एक समय में केवल एक ही प्राप्त कर सकता हूं।

— संजय

अभी देख लीजिए। मैंने सभी विवरण जोड़ दिए।

— AN6U5

आपका समाधान अच्छा लगता है अगर मुझे केवल "ई" से किए गए एक कॉलम में आधारित डमी मान बनाने की आवश्यकता है। लेकिन जब मुझे इसे कई कॉलम से बनाना होगा और उन सेल वैल्यू किसी विशेष कॉलम के लिए अद्वितीय नहीं हैं, तो क्या मुझे उन सभी कॉलम के लिए फिर से आपके कोड को लूप करने की आवश्यकता है? अगर ऐसा है तो मूल्यों की पुनरावृत्ति पर कैसे ध्यान दिया जाएगा? अन्यथा यह उसी नाम के साथ बनाए गए पिछले डमी कॉलम को लिख देगा। मैंने ऊपर दिए गए प्रश्न में अपना परिणाम जोड़ दिया है ताकि यह स्पष्ट हो सके कि क्या कोई भ्रम था। वैसे भी आप इसे देख के लिए धन्यवाद।

— संजय

Answer 2

ऐसा लगता है कि आप पंडों के डेटाफ्रेम कॉलम से डमी वेरिएबल बनाना चाहते हैं। सौभाग्य से, पांडा के पास इसके लिए एक विशेष विधि है get_dummies():। यहाँ एक कोड स्निपेट है जिसे आप अपनी ज़रूरत के लिए अनुकूलित कर सकते हैं:

import pandas as pd
data = pd.read_clipboard(sep=',')

#get the names of the first 3 columns
colN = data.columns.values[:3]

#make a copy of the dataframe
data_transformed = data

#the get_dummies method is doing the job for you
for column_name in colN:
    dummies = pd.get_dummies(data_transformed[column_name], prefix='value', prefix_sep='_')
    col_names_dummies = dummies.columns.values

    #then you can append new columns to the dataframe
    for i,value in enumerate(col_names_dummies):
        data_transformed[value] = dummies.iloc[:,i]

यहाँ का उत्पादन है data_transformed:

         dx1    dx2    dx3   dx4    dx5    dx6    dx7  value_25041  value_25061  0  25041  40391   5856     0  V4511  V5867  30000            1            0   
    1  25041  40391  25081  5856   5363   3572      0            1            0   
    2  25041  40391  42822     0   5856      0      0            1            0   
    3  25061  40391      0     0      0      0      0            0            1   
    4  25041  40391      0  5856  25081  V4511  25051            1            0   

      value_40391  value_0  value_5856  value_25081  value_42822  
    0            1        0           1            0            0  
    1            1        0           0            1            0  
    2            1        0           0            0            1  
    3            1        1           0            0            0  
    4            1        1           0            0            0  

Comments

यह ठीक लग रहा है, लेकिन अगर आप ध्यान से देखेंगे तो पाएंगे कि value_0 के लिए, इसमें सभी पंक्तियों में 1 नहीं है। चूँकि 0 सभी पंक्तियों में मौजूद है इसलिए value_0 को सभी पंक्तियों में 1 होना चाहिए। मान_5856, मान_25081 आदि के लिए समान है। ऐसा लगता है कि यह तर्क एक कॉलम से मान उठा रहा है और फिर आगे बढ़ने के बजाय वापस नहीं जा रहा है।

— सनोज

हाय सनोज। मेरे समाधान का उपयोग करना और मुझे वोट देना वास्तव में उचित नहीं है। कम से कम आप कर सकते हैं एक नया प्रश्न खोलने के बजाय आपके द्वारा की गई नई प्रगति के साथ अपने प्रश्न को अद्यतन करने के लिए। यदि आप चाहते हैं कि लोग आपकी मदद करें, तो आपको उनके साथ अच्छा खेलना चाहिए।

— माइकल डेग

हैलो माइकलड: मेरा आपसे नीचे वोट करने का कोई इरादा नहीं था। मैंने सिर्फ क्लिक साइन लिया क्योंकि यह समाधान मेरी जरूरतों को पूरा नहीं करता था जैसा कि प्रश्न में पूछा गया था। शुरू में मुझे लगा कि ठीक है, लेकिन बाद में जब मैंने जांच की तो मुझे उपरोक्त उत्तर में बताई गई विसंगतियां मिलीं। मुझे इसका कोई उत्तर नहीं मिल रहा था इसलिए मैंने एक नया प्रश्न बनाया जहां मैंने अपने मूल उत्तर का उल्लेख किया और आपके उत्तर को सुधार के साथ शामिल किया। क्षमा करें, मैंने आपके नाम का उल्लेख नहीं किया है। मैं इसे अपडेट करूंगा।

— सैनोज