Pandas Dataframe：如何將整數解析為0和1的字符串？

Question

我有以下pandas DataFrame。

import pandas as pd
df = pd.read_csv('filename.csv')

print(df)

      sample      column_A         
0     sample1        6/6    
1     sample2        0/4
2     sample3        2/6    
3     sample4       12/14   
4     sample5       15/21   
5     sample6       12/12   
..    ....

column_A中的值不是分數，必須操縱這些數據，以便我可以將每個值轉換為0s和1s （不將整數轉換為它們的二進制對應）。

的“分子”上面給出的總數1s ，而“分母”給出的總數0s和1s到一起。

因此，該表實際上應采用以下格式：

      sample      column_A         
0     sample1     111111    
1     sample2     0000
2     sample3     110000    
3     sample4     11111111111100    
4     sample5     111111111111111000000 
5     sample6     111111111111  
..    ....

我從來沒有解析過整數來輸出像這樣的0和1的字符串。 怎么做到這一點？ 是否有一個“pandas方法”與lambda表達式一起使用？ Pythonic字符串解析還是正則表達式？

Answer 1

首先，假設你寫了一個函數：

def to_binary(s):
    n_d = s.split('/')
    n, d = int(n_d[0]), int(n_d[1])
    return '1' * n + '0' * (d - n)

以便，

>>> to_binary('4/5')
'11110'

現在你只需要使用pandas.Series.apply ：

 df.column_A.apply(to_binary)

Answer 2

替代：

df2 = df['column_A'].str.split('/', expand=True).astype(int)\
                    .assign(ones='1').assign(zeros='0')

df2
Out: 
    0   1 ones zeros
0   6   6    1     0
1   0   4    1     0
2   2   6    1     0
3  12  14    1     0
4  15  21    1     0
5  12  12    1     0

(df2[0] * df2['ones']).str.cat((df2[1]-df2[0])*df2['zeros'])
Out: 
0                   111111
1                     0000
2                   110000
3           11111111111100
4    111111111111111000000
5             111111111111
dtype: object

注意：我實際上試圖找到一個更快的替代思維應用會很慢，但這個結果會變慢。

Answer 3

以下是使用extract（）和.str.repeat（）方法的一些替代解決方案：

In [187]: x = df.column_A.str.extract(r'(?P<ones>\d+)/(?P<len>\d+)', expand=True).astype(int).assign(o='1', z='0')

In [188]: x
Out[188]:
   ones  len  o  z
0     6    6  1  0
1     0    4  1  0
2     2    6  1  0
3    12   14  1  0
4    15   21  1  0
5    12   12  1  0

In [189]: x.o.str.repeat(x.ones) + x.z.str.repeat(x.len-x.ones)
Out[189]:
0                   111111
1                     0000
2                   110000
3           11111111111100
4    111111111111111000000
5             111111111111
dtype: object

或緩慢（兩個apply() ）單行：

In [190]: %paste
(df.column_A.str.extract(r'(?P<one>\d+)/(?P<len>\d+)', expand=True)
   .astype(int)
   .apply(lambda x: ['1'] * x.one + ['0'] * (x.len-x.one), axis=1)
   .apply(''.join)
)
## -- End pasted text --
Out[190]:
0                   111111
1                     0000
2                   110000
3           11111111111100
4    111111111111111000000
5             111111111111
dtype: object