【Python】Pandasデータフレームから目的の形への変換

Question

現在行いたいこととして、
以下の①データフレームを②の形に変換したいと考えています。
※FLAGは何回目のメルマガを見たか、に当てはまるデータです（1~50まで）。

ーーー
＜保有するデータフレーム＞

Index　ID　FLAG

1　aaa　2
2　aaa　10
3　aaa　40
4　bbb　3
5　bbb　7
6　bbb　25
7　bbb　36
8　bbb　49
9　ccc　1
10　ccc　4

↓

＜得たいデータフレームの形＞

ID　FLAG　1 2 3 4 5 6 7 8 9 10 ・・・

aaa 　　 0 1 0 0 0 0 0 0 0 1
bbb 　　 0 0 1 0 0 0 1 0 0 0
ccc 　　 1 0 0 1 0 0 0 0 0 0

IDごとに行がまとめられており、
列にはFLAG番号ごとに当てはまるものに1,そうでないものに0が入っているようなイメージです。

Pandasを色々調べてみたのですがどういう処理をすればよいのかわからず、質問させていただきます。

Answer 1

>>> df
        ID  FLAG
Index
1      aaa     2
2      aaa    10
3      aaa    40
4      bbb     3
5      bbb     7
6      bbb    25
7      bbb    36
8      bbb    49
9      ccc     1
10     ccc     4

上記のようにIndexがインデックスになっているならば以下のように出来ます。
インデックスでなければ、この前にset_indexでインデックスにしてください。

>>> df_temp = pd.DataFrame({'ID': [f'temp__{i+1}' for i in range(50)], 'FLAG': [i+1 for i in range(50)]})
>>>
>>> df2 = pd.concat([df, df_temp])
>>> df3 = pd.get_dummies(df2, prefix='', prefix_sep='', columns=['FLAG'])
>>> df4 = df3.iloc[:df.shape[0]]
>>> df5 = df4.groupby('ID').sum()
>>> df5
     1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  ...  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50
ID                                                      ...
aaa  0  1  0  0  0  0  0  0  0   1   0   0   0   0   0  ...   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0
bbb  0  0  1  0  0  0  1  0  0   0   0   0   0   0   0  ...   1   0   0   0   0   0   0   0   0   0   0   0   0   1   0
ccc  1  0  0  1  0  0  0  0  0   0   0   0   0   0   0  ...   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0

[3 rows x 50 columns]

Comments

[SMRKW]

ありがとうございます！無事できました！

Answer 2

列にはFLAG番号ごとに当てはまるものに1,そうでないものに0が入っているようなイメージ
Pandasを色々調べてみたのですがどういう処理をすればよいのかわからず

このような処理はone-hot encodingと呼ばれています。
名前が分かればすぐにやり方は見つかりますので、この機会にぜひ覚えてください。

---

FLAGのワンホット
Index ID 1 2 3 4 7 10 25 36 40 49
0 1 aaa 0 1 0 0 0 0 0 0 0 0
1 2 aaa 0 0 0 0 0 1 0 0 0 0
2 3 aaa 0 0 0 0 0 0 0 0 1 0
3 4 bbb 0 0 1 0 0 0 0 0 0 0
4 5 bbb 0 0 0 0 1 0 0 0 0 0
5 6 bbb 0 0 0 0 0 0 1 0 0 0
6 7 bbb 0 0 0 0 0 0 0 1 0 0
7 8 bbb 0 0 0 0 0 0 0 0 0 1
8 9 ccc 1 0 0 0 0 0 0 0 0 0
9 10 ccc 0 0 0 1 0 0 0 0 0 0

import pandas as pd
""" sample.csv
Index,ID,FLAG
1,aaa,2
2,aaa,10
3,aaa,40
4,bbb,3
5,bbb,7
6,bbb,25
7,bbb,36
8,bbb,49
9,ccc,1
10,ccc,4
"""
df = pd.read_csv("sample.csv")
# print("生")
# print(df)

dat_mod = df.reindex(columns=["Index", "ID", "FLAG"])

# print("並べ替え後")
# print(dat_mod)

df_one_hot_flags = pd.get_dummies(dat_mod, columns=["FLAG"]).rename(columns=lambda s:s.replace("FLAG_","")) #.drop("Index",axis=1)
print("FLAGのワンホット")
print(df_one_hot_flags)

Comments

[SMRKW]

ありがとうございます！！こんな簡単なやり方があるんですね。調べさせていただきます！