Jak mogę zmapować nagłówki do kolumn w pandach?

Question

mam dataframe jak:

A B C 
1 0 0 
1 1 0 
0 1 0 
0 0 1 

chcę mieć:

A B C label 
1 0 0 A 
1 1 0 AB 
0 1 0 B 
0 0 1 C 

Próbowałem zrobić mapie lub zastosowania, ale nie mogę zdobione.

Answer 1

In [101]: df['label'] = df.apply(lambda x: ''.join(df.columns[x.astype(bool)].tolist()), axis=1) 

In [102]: df 
Out[102]: 
    A B C label 
0 1 0 0  A 
1 1 1 0 AB 
2 0 1 0  B 
3 0 0 1  C 

PS Ja na pewno wybrał @Ted's solution jak to o wiele ładniejszy i dużo dużo dużo szybciej ...

Answer 2

Oto idiomatyczne i wydajnych rozwiązanie

df['label'] = np.where(df, df.columns, '').sum(axis=1) 

    A B C label 
0 1 0 0  A 
1 1 1 0 AB 
2 0 1 0  B 
3 0 0 1  C 

Answer 3

lub używając melt i groupby

df1 = df.reset_index().melt('index') 
df1 = df1[df1.value==1] 
df['label'] = df1.groupby('index').variable.sum() 
df 

Out[976]: 
    A B C label 
0 1 0 0  A 
1 1 1 0 AB 
2 0 1 0  B 
3 0 0 1  C 

Lub

df['label'] = df.T.apply(lambda x: ''.join(x.index[x==1]),axis=0) 
df 
Out[984]: 
    A B C label 
0 1 0 0  A 
1 1 1 0 AB 
2 0 1 0  B 
3 0 0 1  C 

Answer 4

df = df.assign(label=[''.join([df.columns[n] for n, bool in enumerate(row) if bool]) 
         for _, row in df.iterrows()]) 
>>> df 
    A B C label 
0 1 0 0  A 
1 1 1 0 AB 
2 0 1 0  B 
3 0 0 1  C 

Timings

# Set-up: 
df_ = pd.concat([df] * 10000) 

%%timeit 
# Solution by @Wen 
df1 = df_.reset_index().melt('index') 
df1 = df1[df1.value==1] 
df['label'] = df1.groupby('index').variable.sum() 
# 10 loops, best of 3: 47.6 ms per loop 

%%timeit 
# Solution by @MaxU 
df_['label'] = df_.apply(lambda x: ''.join(df_.columns[x.astype(bool)].tolist()), axis=1) 
# 1 loop, best of 3: 4.99 s per loop 

%%timeit 
# Solution by @TedPetrou 
df_['label'] = np.where(df_, df_.columns, '').sum(axis=1) 
# 100 loops, best of 3: 12.5 ms per loop 

%%timeit 
# Solution by @Alexander 
df_['label'] = [''.join([df_.columns[n] for n, bool in enumerate(row) if bool]) for _, row in df_.iterrows()] 
# 1 loop, best of 3: 3.75 s per loop 

%%time 
# Solution by @PiRSquared 
df_['label'] = df_.dot(df_.columns) 
# CPU times: user 18.1 ms, sys: 706 µs, total: 18.8 ms 
# Wall time: 18.9 ms 

Answer 5

Korzystanie dot

df.assign(label=df.dot(df.columns)) 

    A B C label 
0 1 0 0  A 
1 1 1 0 AB 
2 0 1 0  B 
3 0 0 1  C 

---

samo przy użyciu podstawowych tablic numpy

df.assign(label=df.values.dot(df.columns.values)) 

    A B C label 
0 1 0 0  A 
1 1 1 0 AB 
2 0 1 0  B 
3 0 0 1  C