将以逗号分隔的字符串的pandas DataFrame列转换为一键编码

Question

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。

例如，

data = {"mesh": ["A, B, C", "C,B", ""]}

由此，我想得到一个包含以下内容的数据框：

index      A       B.     C
0          1       1      1
1          0       1      1
2          0       0      0

我怎样才能做到这一点？

Answer 1

请注意，您不是在处理OHE。

str.split+ stack+ get_dummies+sum

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

(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

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