当一列中有多个类别时如何编码

Question

我的数据框看起来像这样为用户提供多个分类变量的 Pandas 数据框我确保其中没有重复项。我想对它进行编码，我希望我的最终输出是这样的我尝试直接使用熊猫假人，但没有得到想要的结果。谁能帮我解决这个问题？？

Answer 1

IIUC，你user是空的，一切都在name。如果是这样，你可以

pd.pivot_table(df, index=df.name.str[0], columns=df.name.str[1:].values, aggfunc='count').fillna(0)

Answer 2

您可以在拆分的每一行name使用r'(\d+)'从字母单独的数字，与使用pd.crosstab：

d = pd.DataFrame(df.name.str.split(r'(\d+)').values.tolist())

pd.crosstab(columns=d[2], index=d[1], values=d[1], aggfunc='count')

Answer 3

假设以下数据帧：

   user name

0     1    a

1     1    b

2     1    c

3     1    d

4     2    a

5     2    b

6     2    c

7     3    d

8     3    e

9     3    f

你可以GROUPBY用户，然后使用get_dummmies：

import pandas as pd

# create data-frame

data = [[1, 'a'], [1, 'b'], [1, 'c'], [1, 'd'], [2, 'a'],

        [2, 'b'], [2, 'c'], [3, 'd'], [3, 'e'], [3, 'f']]

df = pd.DataFrame(data=data, columns=['user', 'name'])

# group and get_dummies

grouped = df.groupby('user')['name'].apply(lambda x: '|'.join(x))

print(grouped.str.get_dummies())

输出

      a  b  c  d  e  f

user                  

1     1  1  1  1  0  0

2     1  1  1  0  0  0

3     0  0  0  1  1  1

作为旁注，您可以在一行中完成所有操作：

result = df.groupby('user')['name'].apply(lambda x: '|'.join(x)).str.get_dummies()