创建虚拟列并从其他列输入值

Question

我有包含主题列表（主题 1-​​5；0 表示未分配主题）及其值的数据。我想为每个主题创建一个新列并用值填充该列。这是桌子的样子......

reviewId   topic   value
      01       2      -4
      02       2       9
      03       0      -7
      04       5      -1
      05       1      38

我应该怎么做才能创建一个像这样的表？

评论ID	话题	价值	t1	t2	t3	t4	t5
01	2	-4	0	-4	0	0	0
02	2	9	0	9	0	0	0
03	0	-7	0	0	0	0	0
04	5	-1	0	0	0	0	-1
05	1	38	38	0	0	0	0

这里有可重复的数据可供处理。

raw_df = pd.DataFrame({
    'reviewId': ['01', '02', '03', '04', '05'],
    'topic': [2, 2, 0, 5, 1],
    'value': ['-4', '9', '-7', '-1', '38']})

这是与此类似问题的链接。

Answer 1

df.join(pd.get_dummies(df["topic"])
          .reindex(columns=range(1, 5+1), fill_value=0)
          .mul(df["value"], axis="rows")
          .add_prefix("t"))

• 获取“主题”列的“1-hot”表示
• 某些主题可能会丢失，例如样本数据中的 3、4，因此需要重新索引以保证
  • 并在这些主题值缺失时将其归零
• 现在我们有一个形状为 (len(df), len(topics)) 的 1/0 数据框
  • 我们将其与“值”列逐行相乘
  • 1/0 将充当值的“选择器”
• 将“t”从左侧添加到“t1”...“t5”的列名称中

并将其与原始框架连接起来，得到

  reviewId  topic  value  t1  t2  t3  t4  t5
0       01      2     -4   0  -4   0   0   0
1       02      2      9   0   9   0   0   0
2       03      0     -7   0   0   0   0   0
3       04      5     -1   0   0   0   0  -1
4       05      1     38  38   0   0   0   0