pandas -使用虚拟变量&创建一个表

问题描述

假设我有这个数据帧

id | car      | sex    | income
-------------------------------
1  | European | Male   | 45000
2  | Japanese | Female | 48000
3  | American | Male   | 53000

有没有简单的方法来创建这个(使用 pandas )？

  | id | car      | choice | sex    | income
1.| 1  | European | 1      | Male   | 45000
2.| 1  | American | 0      | Male   | 45000
3.| 1  | Japanese | 0      | Male   | 45000
  | ----------------------------------------
4.| 2  | European | 0      | Female | 48000
5.| 2  | American | 0      | Female | 48000
6.| 2  | Japanese | 1      | Female | 48000
  | ----------------------------------------
7.| 3  | European | 0      | Male   | 53000
8.| 3  | American | 1      | Male   | 53000
9.| 3  | Japanese | 0      | Male   | 53000

其思想是在基数中获取"car"变量的每种形态，并通过"Choose"变量指示每个人选择了哪一种。例如，在第一个表中，id1的人选择了一辆欧洲汽车，因此choice在car是欧洲车的行中等于1，在car等于美国车或日本车的行中等于零。

我已经手动编写了一些代码(使用词典)，但我想知道是否存在更干净的解决方案。

(这是为了格式化数据以便在Stata下使用aslogit/nlogit)

---

解决方案

我认为需要：

df = df.assign(choice = 1).set_index(['id','car'])
df = df.reindex(pd.MultiIndex.from_product(df.index.levels, names=df.index.names))

df = (df.assign(choice=df['choice'].fillna(0).astype(int))
        .groupby(level=0).apply(lambda x: x.ffill().bfill())
        .reset_index())
print (df)
   id       car     sex   income  choice
0   1  American    Male  45000.0       0
1   1  European    Male  45000.0       1
2   1  Japanese    Male  45000.0       0
3   2  American  Female  48000.0       0
4   2  European  Female  48000.0       0
5   2  Japanese  Female  48000.0       1
6   3  American    Male  53000.0       1
7   3  European    Male  53000.0       0
8   3  Japanese    Male  53000.0       0

说明：

1.首先使用1byassign创建新列 2.MultiIndex创建者set_index
3.按MultiIndex.from_product生成所有可能的组合并按reindex创建新行
4.然后将choice列中NaN替换为0 5.最后将其他所有列中的NaN替换为正向和回填。