根据数据框中的唯一值生成大量列

Question

我们假设我有以下数据帧：

user_id | a1  | a2  | a3  | a4  | a5 | ... | a100
1       | 12  | 30  | 0   | 12  | 1  | ... | 21
2       | 2   | 13  | 18  | 13  | 13 | ... | 3
3       | 42  | 31  | 5   | 14  | 26 | ... | 41
4       | 1   | 9   | 10  | 15  | 20 | ... | 23

基于此数据框，我想为a1-a100列中的任何唯一值生成其他列。 我认为最好用一个例子来解释这个。 根据上面的数据框，我将在原始数据框中附加以下列：

1AndAbove | 2AndAbove | ... | 42AndAbove
5         | 4         | ... | 0
6         | 6         | ... | 0
6         | 6         | ... | 2
6         | 5         | ... | 0

例如，42AndAbove列中的值显示只有第三个用户的值等于和大于42，并且它有两次。

我可以使用以下代码逐个执行此操作：

df['1AndAbove'] = (df > 1).astype(int).sum(axis=1)

但是，如果我需要生成100列，这非常麻烦。 我想知道是否有更通用和优雅的方式来做到这一点？

Answer 1

IIUIC，你可以先过滤a*列，然后循环浏览1-2个值的范围吗？

In [382]: df_a = df.filter(like='a')

In [385]: for x in range(1, 43):
     ...:     df['%sAndAbove' % x] = (df_a >= x).sum(axis=1)
     ...:

结果

In [386]: df
Out[386]:
   user_id  a1  a2  a3  a4  a5  a100  1AndAbove  2AndAbove  3AndAbove  \
0        1  12  30   0  12   1    21          5          4          4
1        2   2  13  18  13  13     3          6          6          5
2        3  42  31   5  14  26    41          6          6          6
3        4   1   9  10  15  20    23          6          5          5

      ...      33AndAbove  34AndAbove  35AndAbove  36AndAbove  37AndAbove  \
0     ...               0           0           0           0           0
1     ...               0           0           0           0           0
2     ...               2           2           2           2           2
3     ...               0           0           0           0           0

   38AndAbove  39AndAbove  40AndAbove  41AndAbove  42AndAbove
0           0           0           0           0           0
1           0           0           0           0           0
2           2           2           2           2           1
3           0           0           0           0           0

[4 rows x 49 columns]

Answer 2

以下是执行此操作的矢量化方法：

pd.get_dummies(df.stack()).sum(level=0).iloc[:,::-1].cumsum(axis=1).iloc[:,::-1]
Out[83]: 
         0   1   2   3   5   9   10  12  13  14  15  18  20  21  23  26  30  \
user_id                                                                       
1         6   5   4   4   4   4   4   4   2   2   2   2   2   2   1   1   1   
2         6   6   6   5   4   4   4   4   4   1   1   1   0   0   0   0   0   
3         6   6   6   6   6   5   5   5   5   5   4   4   4   4   4   4   3   
4         6   6   5   5   5   5   4   3   3   3   3   2   2   1   1   0   0   

         31  41  42  
user_id              
1         0   0   0  
2         0   0   0  
3         3   2   1  
4         0   0   0