Python 相当于 R interaction() 函数

Question

是否有直接的方法在 python 中的不同变量之间产生交互？例如，在 R 中，假设我有 3 个不同的因素要考虑：a、b 和 c，我想创建一个新变量来显示这三个因素针对特定观察的特定组合。

> a = c(1, 2, 2, 2, 3)
> b = c(2, 3, 3, 3, 2)
> c = c('m', 'm', 'f', 'f', 'f')
> interaction(a, b, c)
[1] 1.2.m 2.3.m 2.3.f 2.3.f 3.2.f
12 Levels: 1.2.f 2.2.f 3.2.f 1.3.f 2.3.f 3.3.f 1.2.m 2.2.m 3.2.m ... 3.3.m

我希望能够使用这个交互概念在 pandas 数据框中创建一个新列。例如，假设我有数据框：

df = pd.DataFrame({"a": [1, 2, 2, 2, 3]
  , 'b': [2, 3, 3, 3, 2]
  , 'c': ['m', 'm', 'f', 'f', 'f']})

我可以使用以下内容按照我正在寻找的内容进行制作：

df['d'] = df.a.astype(str) + '_' + df.b.astype(str) + '_' + df.c

是否已经有内置函数或方法可以完成此操作？我想唯一的区别是我不必事先明确输入这些因素。

Answer 1

使用 Series.str.cat 方法与多个 Series:

df['d'] = df.a.astype(str).str.cat([df.b.astype(str), df.c], sep='.')
print (df)
   a  b  c      d
0  1  2  m  1.2.m
1  2  3  m  2.3.m
2  2  3  f  2.3.f
3  2  3  f  2.3.f
4  3  2  f  3.2.f

或使用 DataFrame - 选择 b,c 列：

df['d'] = df.a.astype(str).str.cat(df[['b','c']].astype(str), sep='.')
print (df)
   a  b  c      d
0  1  2  m  1.2.m
1  2  3  m  2.3.m
2  2  3  f  2.3.f
3  2  3  f  2.3.f
4  3  2  f  3.2.f

对于新列的所有列：

df['d'] = df.astype(str).agg('.'.join, axis=1)
#alternative
df['d'] = df.astype(str).apply('.'.join, axis=1)
print (df)
   a  b  c      d
0  1  2  m  1.2.m
1  2  3  m  2.3.m
2  2  3  f  2.3.f
3  2  3  f  2.3.f
4  3  2  f  3.2.f

Answer 2

将所有内容设为字符串，将每一行转换为列表，加入列表元素：

df.astype(str).apply(list, axis=1).str.join(".")
#0    1.2.m
#1    2.3.m
#2    2.3.f
#3    2.3.f
#4    3.2.f

这种方法比你的方法快，但比@jezrael 提出的任何方法都要慢。

Python 相当于 R interaction() 函数

Python equivalent of the R interaction() function

python

interaction

dataframe

pandas