Python - 尝试从包含字符串列表的列创建二进制特征

Question

我很难想出清晰的标题，但举个例子应该会让事情更清楚。

Index C1
1     [dinner]
2     [brunch, food]
3     [dinner, fancy]

现在，我想为此列中的每个唯一值创建一组二进制特征。

上面的例子会变成：

Index C1               dinner  brunch  fancy food
1     [dinner]         1       0       0     0
2     [brunch, food]   0       1       0     1
3     [dinner, fancy]  1       0       1     0

任何帮助将不胜感激。

Answer 1

对于高效的解决方案，我建议通过列出您的列来创建一个新的 DataFrame。

pd.get_dummies(pd.DataFrame(df.C1.tolist()), prefix='', prefix_sep='')

   brunch  dinner  fancy  food
0       0       1      0     0
1       1       0      0     1
2       0       1      1     0

这将比apply(pd.Series) 快得多。

假设列表没有更多相同的值（例如，['dinner', ..., 'dinner']）。如果他们这样做，那么您将需要一个额外的groupby 步骤：

(pd.get_dummies(
    pd.DataFrame(df.C1.tolist()), prefix='', prefix_sep='')
   .groupby(level=0, axis=1)
   .sum())

好吧，如果您的数据是这样的，那么您要查找的就不再是“二进制”了。

Answer 2

也许使用MultiLabelBinarizer

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
pd.DataFrame(mlb.fit_transform(df.C1),columns=mlb.classes_,index=df.Index).reset_index()
Out[970]: 
   Index  brunch  dinner  fancy  food
0      1       0       1      0     0
1      2       1       0      0     1
2      3       0       1      1     0