pandas - 如何在 Pandas 中应用一种热编码或在两列上一起使用假人？

Question

我有以下数据框，其中包含示例值，例如:-

df = pd.DataFrame([["London", "Cambridge", 20], ["Cambridge", "London", 10], ["Liverpool", "London", 30]], columns= ["city_1", "city_2", "id"])

city_1     city_2        id
London     Cambridge     20
Cambridge  London        10
Liverpool  London        30

我需要如下输出数据帧，它是在将 2 个城市列连接在一起并在此之后应用一种热编码时构建的:

id London Cambridge Liverpool
20 1       1        0
10 1       1        0
30 1       0        1

目前，我正在使用以下代码，该代码在列上运行一次，请您告知是否有任何 pythonic 方法来获得上述输出

output_df = pd.get_dummies(df, columns=['city_1', 'city_2'])

这导致

id city_1_Cambridge city_1_London and so on columns

Answer 1

您可以添加参数 prefix_sep和 prefix至 get_dummies 然后使用 max如果只想要 1或 0值(虚拟或指标列)或 sum如果需要计数 1值(value)观:

output_df = (pd.get_dummies(df, columns=['city_1', 'city_2'], prefix_sep='', prefix='')
               .max(axis=1, level=0))
print (output_df)
   id  Cambridge  Liverpool  London
0  20          1          0       1
1  10          1          0       1
2  30          0          1       1

或者，如果想要处理没有 id 的所有列首先通过 DataFrame.set_index 将未处理的列转换为索引，然后使用 get_dummies与 max最后添加 DataFrame.reset_index :

output_df = (pd.get_dummies(df.set_index('id'), prefix_sep='', prefix='')
               .max(axis=1, level=0)
               .reset_index())
print (output_df)
   id  Cambridge  Liverpool  London
0  20          1          0       1
1  10          1          0       1
2  30          0          1       1