将以逗号分隔的字符串的pandas列转换为虚拟变量

Question

在我的数据框中，我有一个类别变量，我想将其转换为虚拟变量。但是，此列具有多个值，以逗号分隔：

0    'a'
1    'a,b,c'
2    'a,b,d'
3    'd'
4    'c,d'

最终，我希望每个可能的离散值都具有二进制列；换句话说，最终的列数等于原始列中唯一值的数量。我想我必须使用split（）来获取每个单独的值，但不确定随后要做什么。任何提示非常感谢！

编辑：额外的扭曲。列具有空值。为了回应评论，以下是所需的输出。谢谢！

   a  b  c  d
0  1  0  0  0
1  1  1  1  0
2  1  1  0  1
3  0  0  0  1
4  0  0  1  1

Answer 1

使用str.get_dummies

df['col'].str.get_dummies(sep=',')

    a   b   c   d
0   1   0   0   0
1   1   1   1   0
2   1   1   0   1
3   0   0   0   1
4   0   0   1   1

编辑：更新答案以解决一些问题。

Qn 1：为什么系列方法get_dummies不接受参数prefix = …而pandas.get_dummies（）却接受它

Series.str.get_dummies是一个序列级方法（顾名思义！）。我们是一个Series（或DataFrame列）中的一种热编码值，因此不需要使用前缀。另一方面，Pandas.get_dummies可以对多个列进行热编码。在这种情况下，prefix参数将用作原始列的标识符。

如果要将前缀应用于str.get_dummies，则始终可以使用DataFrame.add_prefix

df['col'].str.get_dummies(sep=',').add_prefix('col_')

问题2：如果您有不止一列，如何将假人重新合并到原始框架中？您可以使用DataFrame.concat将一个热编码列与数据框中的其余列合并。

df = pd.DataFrame({'other':['x','y','x','x','q'],'col':['a','a,b,c','a,b,d','d','c,d']})
df = pd.concat([df, df['col'].str.get_dummies(sep=',')], axis = 1).drop('col', 1)

  other a   b   c   d
0   x   1   0   0   0
1   y   1   1   1   0
2   x   1   1   0   1
3   x   0   0   0   1
4   q   0   0   1   1