python - 用于嵌套表的 Pandas Get_dummies

Question

我希望利用 pandas get_dummy() 功能来编码一组(相当广泛的)分类变量。但是，数据当前采用嵌套表格格式。这意味着每一行代表另一个变量实例，例如

Instance, Cat_Col
1, John
1, Smith
2, Jane
3, Joe

现在我可以生成唯一变量的完整列表，我可以使用它来获取代表所有可能值的 get_dummies。然而，将嵌套表转换为这种新格式的单个实例行给我带来了一些麻烦。

非常感谢任何帮助谢谢

编辑:每个实例都应该有一个针对所有 Cat_col 值的虚拟编码结果

想法是结果是像这样的单个特征向量

Instance,Col_John,Col_Smith,Col_Jane,Col_Joe
1,1,1,0,0
2,0,0,1,0
3,0,0,0,1

我相信这是正确的编码，假设我们正在进行 1-hot 编码

Answer 1

您可能需要考虑使用 pivot_table 来实现您的目标。

import pandas as pd

df

Out[10]: 
   Instance Cat_Col
0         1    John
1         1   Smith
2         2    Jane
3         3     Joe

df['count'] = 1
df.pivot('Instance', 'Cat_Col', 'count').fillna(0)

Out[11]: 
Cat_Col    Jane   Joe   John   Smith
Instance                            
1             0     0      1       1
2             1     0      0       0
3             0     1      0       0

如果您更喜欢使用get_dummies，

result = pd.get_dummies(df.Cat_Col)
result['Instance'] = df.Instance
result = result.set_index('Instance')
result.groupby(level=0).apply(max)

Out[26]: 
           Jane   Joe   John   Smith
Instance                            
1             0     0      1       1
2             1     0      0       0
3             0     1      0       0