以逗号分隔的字符串的pandas DataFrame列转换为一键编码
it1352
帮助1人
问题说明
我有一个由一栏组成的大型数据框(数据").列中的每一行由一个字符串组成，每个字符串由逗号分隔的类别组成.我希望对这些数据进行热编码.
I have a large dataframe (‘data’) made up of one column. Each row in the column is made of a string and each string is made up of comma separated categories. I wish to one hot encode this data.
例如，
data = {"mesh": ["A, B, C", "C,B", ""]}
由此，我想获得一个包含以下内容的数据框:
From this I would like to get a dataframe consisting of:
index A B. C
0 1 1 1
1 0 1 1
2 0 0 0
我该怎么做?
正确答案
#1
请注意，您不是在处理OHE.
Note that you're not dealing with OHEs.
df = pd.DataFrame(data)
df
mesh
0 A, B, C
1 C,B
2
(df.mesh.str.split('\s*,\s*', expand=True)
.stack()
.str.get_dummies()
.sum(level=0))
df
A B C
0 1 1 1
1 0 1 1
2 0 0 0
apply value_counts
apply value_counts
(df.mesh.str.split(r'\s*,\s*', expand=True)
.apply(pd.Series.value_counts, 1)
.iloc[:, 1:]
.fillna(0, downcast='infer'))
A B C
0 1 1 1
1 0 1 1
2 0 0 0
pd.crosstab
pd.crosstab
x = df.mesh.str.split('\s*,\s*', expand=True).stack()
pd.crosstab(x.index.get_level_values(0), x.values).iloc[:, 1:]
df
col_0 A B C
row_0
0 1 1 1
1 0 1 1
2 0 0 0
这篇好文章是转载于：学新通技术网
