将字典的值拆分为单独的 panda 数据框列——使它们成为虚拟列

Question

假设我们有一个这种格式的数据框：id  properties0   {"cat1":["p1","p2","p4"],"cat2":["p5", "p6"]}1   {"cat1":["p3"],"cat2":["p7"]}我们如何将其转换为这种格式？id  p1    p2    p3    p4    p5    p6    p70   True  True  False True  True  True  False1   False False True  False False False True请记住，每个单元格中的值类型是字符串。它只有两个类别：cat1 和 cat2

Answer 1

使用itertools.chain.from_iterable和str.get_dummies

from itertools import chain

df.properties.apply(lambda s: ','.join(chain.from_iterable(s.values())))\

             .str.get_dummies(sep=',')\

             .astype(bool)

      p1     p2     p3     p4     p5     p6     p7

0   True   True  False   True   True   True  False

1  False  False   True  False  False  False   True

Answer 2

我会用get_dummies

df.properties.map(lambda x : ','.join(sum(x.values(),[]))).str.get_dummies(',').astype(bool)

      p1     p2     p3     p4     p5     p6     p7

0   True   True  False   True   True   True  False

1  False  False   True  False  False  False   True

Answer 3

使用stack+ explode+get_dummies

u = pd.DataFrame(df['properties'].tolist())

u.stack().explode().add(',').sum(level=0).str.get_dummies(',')

   p1  p2  p3  p4  p5  p6  p7

0   1   1   0   1   1   1   0

1   0   0   1   0   0   0   1

Answer 4

将_index 设置为id. 正如您所说，每个单元格都是一个字符串，因此您需要df.properties使用ast.literal_eval. 接下来，使用str方法获取cat1并将cat2它们的列表和explode它们组合到行并将结果分配给s. 最后，pd.get_dummies使用s选项dtype=bool调用并调用maxlevel=0

import ast

df1 = df.set_index('id')

df1.properties = df1.properties.map(ast.literal_eval)

s = (df1.properties.str['cat1'] + df1.properties.str['cat2']).explode()

pd.get_dummies(s, dtype=bool).max(level=0)

Out[1035]:

       p1     p2     p3     p4     p5     p6     p7

id

0   True   True   False  True   True   True   False

1   False  False  True   False  False  False  True