Pandas

Question

我有以下table

df = pandas.DataFrame({'foo': ['b', 'a,b', 'a,c', 'a,b,c'], 
                       'bar': ['X,Y', 'Z', 'Z,X', 'X,Y']})

我希望有一个包含 'a'、'b'、'c'、'X'、'Y'、[=23 列的 table =]，有 False/True 个条目。

这不是 1-hot 编码器，因为可以有多个值。我该如何实现？

Answer 1

我认为如果只有 2 列加倍 str.get_dummies with join 和布尔值的最后一个转换：

df = df['foo'].str.get_dummies(',').join(df['bar'].str.get_dummies(',')).astype(bool)
print (df)
       a      b      c      X      Y      Z
0  False   True  False   True   True  False
1   True   True  False  False  False   True
2   True  False   True   True  False   True
3   True   True   True   True   True  False

如果多列，更通用的解决方案是 list comprehension 和 concat:

df = pd.concat([df[x].str.get_dummies(',') for x in df.columns], axis=1).astype(bool)

Pandas - 将分类数据分成列

Pandas - break categorical data into columns

categorical-data