python - Many-Hot(N-hot)编码 - 快速 Pandas 方法？

Question

使用one-hot encoding，一旦你有一个包含 1 个值的列，让我们说“color”，pandas get_dummies 将做如下:

df = pd.DataFrame({'f1': ['red', 'yellow']})
df
Out[24]: 
       f1
0     red
1  yellow

pd.get_dummies(df)
Out[25]: 
   f1_red  f1_yellow
0       1          0
1       0          1

“ma​​ny-hot encoding”问题将出现在您可能拥有颜色列表的地方，如下例所示:

df = pd.DataFrame({'f1': ['red', ['yellow', 'blue']]})
df
Out[27]: 
               f1
0             red
1  [yellow, blue]

是否有任何优雅智能的 Pythonic 方式，希望在 Pandas 中得到支持，这将产生以下结果:

   f1_red  f1_yellow  f1_blue
0       1          0        0
1       0          1        1

Answer 1

您可以通过|加入list然后使用str.get_dummies :

s = df['f1'].apply(lambda x: '|'.join(x) if isinstance(x, list) else x)

df = s.str.get_dummies()
print (df)

   blue  red  yellow
0     0    1       0
1     1    0       1

如果性能很重要，另一种解决方案:

s = df['f1'].apply(lambda x: x if isinstance(x, list) else [x])

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
df = pd.DataFrame(mlb.fit_transform(s),columns=mlb.classes_)
print (df)
   blue  red  yellow
0     0    1       0
1     1    0       1