python - 基于 Pandas 中的管道分隔列创建多个新列

Question

我有一个 pandas 数据框，其中有一个管道分隔的列，其中包含任意数量的元素，称为“零件”。这些管道串中的元素数量从 0 到超过 10 个不等。所有管道串中包含的唯一元素的数量并不比行数小很多(这使得我无法在创建新列)。

对于每一行，我想创建一个新列，充当管道分隔列表中每个元素的指示变量。例如，如果行

...'零件'...

...'12|34|56'

应转换为

...“Part_12”“Part_34”“Part_56”...

...1 1 1...

因为它们有很多独特的部分，所以这些列显然会很稀疏 - 大部分为零，因为每行只包含一小部分独特的部分。

我还没有找到任何不需要手动指定列的方法(例如 Pandas Dataframe: split column into multiple columns, right-align inconsistent cell entries )。我也研究过 pandas 的melt，但我认为这不是合适的工具。

我知道如何解决这个问题的方法是将原始 CSV 通过管道传输到另一个 python 脚本并逐个字符地处理它，但我需要在现有的脚本中工作，因为我将处理数百个以这种方式创建 CSV。

这是数据的更好说明

ID YEAR AMT PARTZ

1202 2007 99.34

9321 1988 1012.99 2031|8942

2342 2012 381.22 1939|8321|Amx3

Answer 1

您可以使用get_dummies和add_prefix:

df.Parts.str.get_dummies().add_prefix('Part_')

输出:

   Part_12  Part_34  Part_56
0        1        1        1

编辑评论并计算重复项。

df = pd.DataFrame({'Parts':['12|34|56|12']}, index=[0])
pd.get_dummies(df.Parts.str.split('|',expand=True).stack()).sum(level=0).add_prefix('Part_')

输出:

   Part_12  Part_34  Part_56
0        2        1        1