将字典的值拆分为单独的 panda 数据框列——使它们成为虚拟列答案

【问题标题】：split values of a dictionary into seperate panda dataframe columns -- make them dummy将字典的值拆分为单独的 panda 数据框列——使它们成为虚拟列
【发布时间】：2020-02-02 07:41:39
【问题描述】：

假设我们有一个这种格式的数据框：

id  properties
0   {"cat1":["p1","p2","p4"],"cat2":["p5", "p6"]}
1   {"cat1":["p3"],"cat2":["p7"]}

我们如何将其转换为这种格式？

id  p1    p2    p3    p4    p5    p6    p7
0   True  True  False True  True  True  False
1   False False True  False False False True

请记住，每个单元格中的值类型是字符串。它只有两个类别：cat1 和 cat2

【问题讨论】：

标签： python pandas dataframe dummy-variable

【解决方案1】：

使用itertools.chain.from_iterable 和str.get_dummies

from itertools import chain

df.properties.apply(lambda s: ','.join(chain.from_iterable(s.values())))\
             .str.get_dummies(sep=',')\
             .astype(bool)

      p1     p2     p3     p4     p5     p6     p7
0   True   True  False   True   True   True  False
1  False  False   True  False  False  False   True

【讨论】：

【解决方案2】：

使用stack + explode + get_dummies

u = pd.DataFrame(df['properties'].tolist())

u.stack().explode().add(',').sum(level=0).str.get_dummies(',')

   p1  p2  p3  p4  p5  p6  p7
0   1   1   0   1   1   1   0
1   0   0   1   0   0   0   1

【讨论】：

【解决方案3】：

我会用get_dummies

df.properties.map(lambda x : ','.join(sum(x.values(),[]))).str.get_dummies(',').astype(bool)
      p1     p2     p3     p4     p5     p6     p7
0   True   True  False   True   True   True  False
1  False  False   True  False  False  False   True

【讨论】：

【解决方案4】：

将_index 设置为id。正如您所说，每个单元格都是一个字符串，因此您需要使用ast.literal_eval 将df.properties 从dict 字符串转换为dict。接下来，使用str 方法获取cat1 和cat2 并将它们的列表和explode 组合到行并将结果分配给s。最后，使用选项dtype=bool 在s 上调用pd.get_dummies 并在level=0 上调用max

import ast

df1 = df.set_index('id')
df1.properties = df1.properties.map(ast.literal_eval)
s = (df1.properties.str['cat1'] + df1.properties.str['cat2']).explode()
pd.get_dummies(s, dtype=bool).max(level=0)

Out[1035]:
       p1     p2     p3     p4     p5     p6     p7
id
0   True   True   False  True   True   True   False
1   False  False  True   False  False  False  True

【讨论】：