我有一个pandas数据框，显示用户在测试题上的表现。看起来像这样：

userID     questionID   correct-------------------------------  1             1          1  1             5          1  1             6          0  1             8          0  1             10         1  2             3          1  2             5          1  2             6          0  .             .          .  .             .          .  .             .          .   

我想为每个用户创建一个特征向量，显示他们是否答对了每道题，类似于这样：

questionID     1     2      3     4     5     6     ...userID       -------------------------------------------------  1            1    NaN   NaN    NaN    1     0     ...  2           NaN   NaN    1     NaN    1     0     ...  .           ...  .           ...  .            

每个用户只会看到所有题目中的一部分，所以这是一个稀疏矩阵。

我如何在pandas中创建上面的表格呢？

我想做类似下面的操作 – 按userID和questionID分组，然后进行unstack，但我不是很确定具体应该怎么做。

df = df.groupby(['user_id','question_id'])df.unstack()

谢谢你的帮助。

回答：

你需要的是pivot：

In [11]: df.pivot(values='correct', index='userID', columns='questionID')Out[11]: questionID  1   3   5   6   8   10userID                            1            1 NaN   1   0   0   12          NaN   1   1   0 NaN NaN

如果你不是全射的，你可能需要重新索引列（基于所有问题）。

In [12]: _.reindex_axis(np.arange(1, 10), 1)Out[12]:          1   2   3   4  5  6   7   8   9userID                                  1        1 NaN NaN NaN  1  0 NaN   0 NaN2      NaN NaN   1 NaN  1  0 NaN NaN NaN

注意：最初这个答案建议使用pivot_table（它对重复值使用aggfunc，默认是平均值，这不是你在这里想要的 – 正如@U2EF1指出的），它在pivot之上提供了一些其他附加功能，但速度稍慢：

df.pivot_table(values='correct', rows='userID', cols='questionID')

我有种感觉，在pandas的旧版本中，pivot对NaN敏感，所以你必须使用pivot_table…