我在列表中有 DataFrame 的列和数据，我想将相关数据放入相关列

Question

假设您已经给出了您可以拥有的所有项目的列表，并且您有单独的数据列表，并且列表的形状不固定，它可能包含您希望从中创建数据框的任意数量的项目，您必须将其放入在写列 例如

columns = ['shirt','shoe','tie','hat']
data = [['hat','tie'],
        ['shoe', 'tie', 'shirt'],
        ['tie', 'shirt',]]
# and from this I wants to create a dummy variable like this 
  shirt  shoe  tie  hat
0   0     0     1    1
1   1     1     1    0
2   1     0     1    0

Answer 1

如果想要由0 和1 填充的指标列，仅使用MultiLabelBinarizer 和DataFrame.reindex 如果想要按列表更改列的顺序并且如果可能不存在某些值，则仅添加0 列：

columns = ['shirt','shoe','tie','hat']
data = [['hat','tie'],
        ['shoe', 'tie', 'shirt'],
        ['tie', 'shirt',]]

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
df = (pd.DataFrame(mlb.fit_transform(data),columns=mlb.classes_)
        .reindex(columns, axis=1, fill_value=0))
print (df)
   shirt  shoe  tie  hat
0      0     0    1    1
1      1     1    1    0
2      1     0    1    0

或Series.str.get_dummies:

df = pd.Series(data).str.join('|').str.get_dummies().reindex(columns, axis=1, fill_value=0)
print (df)
   shirt  shoe  tie  hat
0      0     0    1    1
1      1     1    1    0
2      1     0    1    0

Answer 2

这是使用collections.Counter 的一种方法。

例如：

from collections import Counter
columns = ['shirt','shoe','tie','hat']
data = [['hat','tie'],
        ['shoe', 'tie', 'shirt'],
        ['tie', 'shirt']]

data = map(Counter, data)
#df = pd.DataFrame(data, columns=columns)
df = pd.DataFrame(data, columns=columns).fillna(0).astype(int)

print(df)

输出：

   shirt  shoe  tie  hat
0      0     0    1    1
1      1     1    1    0
2      1     0    1    0

Answer 3

您可以尝试将数据转换为数据框：

data = [['hat','tie'],
        ['shoe', 'tie', 'shirt'],
        ['tie', 'shirt',]]

df = pd.DataFrame(data)
df

     0       1      2
0   hat     tie     None
1   shoe    tie     shirt
2   tie    shirt    None

他们使用：

pd.get_dummies(df.stack()).groupby(level=0).agg('sum')

   hat  shirt   shoe    tie
0   1   0       0       1
1   0   1       1       1
2   0   1       0       1

解释：

df.stack() 返回一个 MultiIndex 系列：

0  0      hat
   1      tie
1  0     shoe
   1      tie
   2    shirt
2  0      tie
   1    shirt
dtype: object

如果我们得到这个系列的虚拟值，我们得到：

       hat  shirt    shoe   tie
0   0   1   0           0       0
    1   0   0           0       1
1   0   0   0           1       0
    1   0   0           0       1
    2   0   1           0       0
2   0   0   0           0       1
    1   0   1           0       0

然后你只需要按索引分组并使用sum 合并它们（因为我们知道get_dummies 之后只会有1或0）：

df = pd.get_dummies(df.stack()).groupby(level=0).agg('sum')