如何将一个DataFrame列转换为具有基于另一个DataFrame的列的真值表？

我有一个带有user_id和类别的df.我想将此转换为真值表,以确定该用户是否至少有一个该类别的条目.但是,最终表还应包含“df_list”中出现的所有类别的列,这些列可能根本不会出现在df中.

现在我使用groupby大小创建真值表,然后检查是否缺少任何列,然后手动将这些列设置为False,但我想知道是否有一种方法可以在初始groupby步骤中完成此操作.

这是一个例子：

import pandas as pd
df = pd.DataFrame({'user_id': [1,1,1,2,2],
                 'category': ['A', 'B', 'D', 'A', 'F']})
df_list = pd.DataFrame({'category': ['A', 'B', 'C', 'D', 'E', 'F']})

df_truth = df.groupby(['user_id', 'category']).size().unstack(fill_value=0).astype(bool)
#category     A      B      D      F
#user_id                            
#1         True   True   True  False
#2         True  False  False   True

然后到达所需的输出然后我做：

missing_vals = df_list.category.unique()[~pd.Series(df_list.category.unique()).isin(df_truth.columns)]
for element in missing_vals:
    df_truth.loc[:,element] = False
#category     A      B      D      F      C      E
#user_id                                          
#1         True   True   True  False  False  False
#2         True  False  False   True  False  False

解决方法:

选项1
交叉表
我建议将该列转换为分类dtype.然后交叉表/枢轴将处理其余部分.

i = df.user_id
j = pd.Categorical(df.category, categories=df_list.category)

pd.crosstab(i, j).astype(bool)

col_0       A      B      C      D      E      F
user_id                                         
1        True   True  False   True  False  False
2        True  False  False  False  False   True 

选项2
unstack reindex
要修复现有代码,可以使用reindex简化第二步：

(df.groupby(['user_id', 'category'])
   .size()
   .unstack(fill_value=0)
   .reindex(df_list.category, axis=1, fill_value=0)
   .astype(bool)
)

category     A      B      C      D      E      F
user_id                                          
1         True   True  False   True  False  False
2         True  False  False  False  False   True