Python熊猫：如何从列的列创建二进制矩阵？

Question

我有一个Python熊猫数据框类似如下：

 1 
0 a, b 
1  c 
2  d 
3  e 

a, b为代表的用户列表的字符串特征

我怎么能转换成用户的功能，如下面的二元矩阵这样的：

 a b c d e 
0 1 1 0 0 0 
1 0 0 1 0 0 
2 0 0 0 1 0 
3 0 0 0 0 1 

我看到了类似的问题，但Creating boolean matrix from one column with pandas列不包含在列表中的条目。

我曾尝试这些方法，有没有办法合并两个：

pd.get_dummies()

pd.get_dummies(df[1]) 


    a, b c d e 
0  1 0 0 0 
1  0 1 0 0 
2  0 0 1 0 
3  0 0 0 1 

df[1].apply(lambda x: pd.Series(x.split()))

 1 
0 a, b 
1  c 
2  d 
3  e 

也有兴趣在不同的方法来创建这种类型的二元矩阵！

任何帮助表示赞赏！

感谢

Answer 1

我认为你可以使用：

df = df.iloc[:,0].str.split(', ', expand=True) 
     .stack() 
     .reset_index(drop=True) 
     .str.get_dummies() 

print df 
    a b c d e 
0 1 0 0 0 0 
1 0 1 0 0 0 
2 0 0 1 0 0 
3 0 0 0 1 0 
4 0 0 0 0 1 

编辑：

print df.iloc[:,0].str.replace(' ','').str.get_dummies(sep=',') 
    a b c d e 
0 1 1 0 0 0 
1 0 0 1 0 0 
2 0 0 0 1 0 
3 0 0 0 0 1 

Answer 2

我写了一个通用的函数，与分组的支持，要做到这一点而回：

def sublist_uniques(data,sublist): 
    categories = set() 
    for d,t in data.iterrows(): 
     try: 
      for j in t[sublist]: 
       categories.add(j) 
     except: 
      pass 
    return list(categories) 

def sublists_to_dummies(f,sublist,index_key = None): 
    categories = sublist_uniques(f,sublist) 
    frame = pd.DataFrame(columns=categories) 
    for d,i in f.iterrows(): 
     if type(i[sublist]) == list or np.array: 
      try: 
       if index_key != None: 
        key = i[index_key] 
        f =np.zeros(len(categories)) 
        for j in i[sublist]: 
         f[categories.index(j)] = 1 
        if key in frame.index: 
         for j in i[sublist]: 
          frame.loc[key][j]+=1 
        else: 
         frame.loc[key]=f 
       else: 
        f =np.zeros(len(categories)) 
        for j in i[sublist]: 
         f[categories.index(j)] = 1 
        frame.loc[d]=f 
      except: 
       pass 

    return frame 

In [15]: a 
Out[15]: 
    a group  labels 
0 1 new  [a, d] 
1 2 old [a, g, h] 
2 3 new [i, m, a] 

In [16]: sublists_to_dummies(a,'labels') 
Out[16]: 
    a d g i h m 
0 1 1 0 0 0 0 
1 1 0 1 0 1 0 
2 1 0 0 1 0 1 

In [17]: sublists_to_dummies(a,'labels','group') 
Out[17]: 
    a d g i h m 
new 2 1 0 1 0 1 
old 1 0 1 0 1 0