数据向量化（get_dummies 3列矩阵）

Question

我有一个任务，必须最佳解决。 我有50个类别和10,000个商店，这些商店可以提供这些类别的产品，但所有这些都分为3列

id_store  category    qnty
    1         1        50
    1         2        32
    1         15       44
    2         1        333
    2         4        33
    2         5        15
    2         15       12
    2         35       14
    3         3        14
    ....     

必须以此为基础制作矩阵，其中行-id_store，列-类别，以及它们的交集-qnty：

id_shop/category  1   2   3   4 ...15  16... 35   36
   1              50  32  0   0    44  0     0    0
   2              333 0   0   33   12  0     14   0
   3              0   0   14  0    0   0     0    0     

Answer 1

您可以使用pandas ，这是专门为像您这样的数据框设计的库。 从pandas文档中 ，我找到了以下示例：

>>> df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two',
...                            'two'],
...                    'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
...                    'baz': [1, 2, 3, 4, 5, 6],
...                    'zoo': ['x', 'y', 'z', 'q', 'w', 't']})

--

>>> df
    foo   bar  baz  zoo
0   one   A    1    x
1   one   B    2    y
2   one   C    3    z
3   two   A    4    q
4   two   B    5    w
5   two   C    6    t

--

>>> df.pivot(index='foo', columns='bar', values='baz')
bar  A   B   C
foo
one  1   2   3
two  4   5   6

Answer 2

您可以使用稀疏稀疏矩阵来执行此操作。 文档在这里 。

D = sp.sparse.coo_matrix((qnty,(id_store,category))) # creates a sparse matrix from numpy vectors (np.ndarray)

如果要使其成为密集的np.ndarray ，请使用：

D = D.toarray()

或者，如果您更喜欢numpy np.matrix类型，则只需使用：

D = D.todense()