python - 数据框:coll 中数组的 get_dummies

Question

使用 Python/Pandas

我有一个非常简单的 csv 文件，除了一列:源是一个数组。

我的表格示例:

Column A                  |Column B  |Column C  |Column D  |  
__________________________|__________|__________|__________|
[Water, Food, Groceries]  |  0       |true      |9         |
[Water, Desert, Sand]     |  1       |false     |1         |
[Earth, Groceries]        |  2       |null      |12        |
[Air, Food, Car]          |  3       |true      |8         |
[Cristal, Love, Groceries]|  4       |false     |0         |

我想要实现的目标:

Column B  |Column C  |Column D  |column_a_water |column_a_food  | column_a_groceries |
__________|__________|__________|_______________|_______________|____________________|
  0       |true      |9         |  1            |  1            |  1                 |
  1       |false     |1         |  1            |  0            |  0                 |
  2       |null      |12        |  0            |  0            |  1                 |
  3       |true      |8         |  0            |  1            |  0                 |
  4       |false     |0         |  0            |  0            |  1                 |

使用 pandas get_dummies，我可以使其与 C 列一起工作，但不能与 A 列一起工作。使用相同的技术，它不起作用。

遇到这种情况我该怎么办？

Answer 1

使用，Series.explode在A 列上，然后使用 Series.str.get_dummies在此分解列上，然后使用 DataFrame.sum在 level=0 上，然后使用 DataFrame.add_prefix将前缀 Column A 添加到每个虚拟列，最后使用 DataFrame.join将原始数据帧与包含虚拟列的数据帧连接起来:

# Use this line IF the values in Column A are type of `string` instead of lists.
df['Column A'] = df['Column A'].str.strip('[]').str.split('\s*,\s*')

df1 = (
    df['Column A'].explode()
    .str.get_dummies().sum(level=0).add_prefix('Column A_')
)

df1 = df.drop('Column A', 1).join(df1)

结果:

# print(df1)

   Column B Column C  Column D  Column A_Air  ...  Column A_Groceries  Column A_Love  Column A_Sand  Column A_Water
0         0     True         9             0  ...                   1              0              0               1
1         1    False         1             0  ...                   0              0              1               1
2         2      NaN        12             0  ...                   1              0              0               0
3         3     True         8             1  ...                   0              0              0               0
4         4    False         0             0  ...                   1              1              0               0