python - 如何离散化 pandas DataFrame 中的值并转换为二进制矩阵？

Question

我的意思是这样的:

我有一个 DataFrame，其中的列可能是分类的或名义的。对于每个观察(行)，我想生成一个新行，其中变量的每个可能值现在都是它自己的二进制变量。例如这个矩阵(第一行是列标签)

'a'     'b'     'c'
one     0.2     0
two     0.4     1
two     0.9     0
three   0.1     2
one     0.0     4
two     0.2     5

会被转换成这样:

'a'              'b'                                                    'c'
one  two  three  [0.0,0.2)  [0.2,0.4)  [0.4,0.6)  [0.6,0.8)  [0.8,1.0]   0   1   2   3   4   5

 1    0     0        0          1          0          0          0       1   0   0   0   0   0
 0    1     0        0          0          0          0          1       0   1   0   0   0   0
 0    1     0        0          0          0          0          1       1   0   0   0   0   0
 0    0     1        1          0          0          0          0       0   0   1   0   0   0
 1    0     0        1          0          0          0          0       0   0   0   0   1   0
 0    1     0        0          1          0          0          0       0   0   0   0   0   1

初始矩阵中的每个变量(列)都被分箱到所有可能的值中。如果它是分类的，那么每个可能的值都会成为一个新列。如果它是一个 float ，那么这些值会以某种方式分箱(比如，总是分成 10 个分箱)。如果它是一个 int，那么它可以是所有可能的 int 值，或者也可以是 binning。

仅供引用:在我的实际应用程序中，表格最多有 200 万行，而完整的“扩展”矩阵可能有数百列。

有没有简单的方法来执行这个操作？

另外，我也愿意跳过这一步，因为我实际上是在尝试计算 Burt 表(这是交叉表的对称矩阵)。有没有一种简单的方法可以用 crosstab 函数做类似的事情？否则，计算交叉表只是一个简单的矩阵乘法。

Answer 1

请注意，我已经实现了新的 cut 和 qcut 函数来离散化连续数据:

http://pandas-docs.github.io/pandas-docs-travis/basics.html#discretization-and-quantiling