Membuat kolom baru dengan mengulangi baris dalam bingkai data panda

Saya memiliki bingkai data panda (X11) seperti ini: Sebenarnya saya memiliki 99 kolom hingga dx99

    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

Saya ingin membuat kolom tambahan untuk nilai sel seperti 25041.40391.5856 dll. Jadi akan ada kolom 25041 dengan nilai 1 atau 0 jika 25041 terjadi di baris tertentu di setiap kolom dxs. Saya menggunakan kode ini dan berfungsi ketika jumlah baris lebih sedikit.

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)

Saya mendapatkan hasil seperti ini:

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

Ketika jumlah baris ribuan atau jutaan, itu hang dan memakan waktu selamanya dan saya tidak mendapatkan hasil apa pun. Harap lihat bahwa nilai sel tidak unik untuk kolom, alih-alih diulang dalam multi kolom. Sebagai contoh, 40391 terjadi di dx1 dan juga di dx2 dan seterusnya untuk 0 dan 5856 dll. Adakah cara untuk meningkatkan logika yang disebutkan di atas?

Ada solusi pythonic yang jauh lebih banyak di panda ...

Ini membutuhkan waktu kurang dari satu detik pada 10 Juta baris di laptop saya:

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

Berikut detailnya:

Kerangka data kecil sederhana -

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

Metode binarisasi -

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

Bingkai data dengan 10 Juta baris -

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

Binarisasi waktu (alias penyandian satu panas) pada 10 juta baris data -

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

Semoga ini membantu!

Sepertinya Anda ingin membuat variabel dummy dari kolom dataframe panda. Untungnya, panda memiliki metode khusus untuk itu: get_dummies(). Berikut ini cuplikan kode yang dapat Anda sesuaikan untuk kebutuhan Anda:

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]

Ini adalah output dari 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