使用列表根据不同的列值更改多个布尔列的值

Question

有一个值列表weather = ['cloudy', 'sunny']我有一个带有旧列“天气”的数据框。我们切换到 2 个带有布尔值的新列，因此需要考虑所有旧列。现在这是我的数据框：[In]data = [['cloudy', False, False], ['sunny', False, False]]df = pd.DataFrame(data, columns=['old', 'cloudbool', 'sunbool'])df[Out]     old  cloudbool sunbool0   cloudy  False   False1   sunny   False   False期望的输出：[In]data = [['cloudy', True, False], ['sunny', False, True]]df = pd.DataFrame(data, columns=['old', 'cloudbool', 'sunbool'])[Out]    old   cloudbool sunbool0   cloudy  True    False1   sunny   False   True我知道我可以做类似下面的事情，但我有一个“天气类型”列表，比 2 长得多。df.loc[df['old'] == 'cloudy', ['cloudbool']] = True我希望我正确地传达了这一点。谢谢

Answer 1

让我们尝试str.get_dummies创建虚拟指标变量，然后join使用原始数据帧：

df[['old']].join(df['old'].str.get_dummies().astype(bool).add_suffix('bool'))

      old  cloudybool  sunnybool

0  cloudy        True      False

1   sunny       False       True

Answer 2

我知道该get_dummies方法是为此构建的，但另一种方法是从列表理解创建一系列，将列中的天气值old与bool列名称进行比较（假设它们已经存在，如您的示例中所示）。然后，将其隐藏到列表中，准备将其添加到数据框中。

您的名称没有直接匹配，因此我省略了最后两个字符，例如cloudywill beclou和sunnywill be sun。我认为任何天气的后缀都不可能超过 2 个字符？这也是为什么它不像get_dummies. 您还可以使列名称与您的值匹配，例如cloudybool和sunnybool：

s = df.apply(lambda x: [x['old'][:-2] in col for col in df.columns[1:]], axis=1).to_list()

df1 = pd.concat([df['old'],pd.DataFrame(s, columns=df.columns[1:])], axis=1)

df1

Out[1]: 

      old  cloudbool  sunbool

0  cloudy       True    False

1   sunny      False     True