单个特征的多个分类值如何使用python将它们转换为二进制答案

【问题标题】：Multiple Categorical values for a single feature how to convert them to binary using python单个特征的多个分类值如何使用python将它们转换为二进制
【发布时间】：2023-04-03 21:02:01
【问题描述】：

我有一个包含 28 列的电影数据集。其中之一是流派。对于该数据集中的每一行，列类型的值的形式为“动作|动画|喜剧|家庭|幻想”。我想使用 pandas.get_dummies() 对它们进行编码，但由于列有多个值，如何处理这种情况？

我附上了样本数据，但只有相关的列Data。我期待输出为Output。

但是当我使用下面的代码将分类值转换为二进制时，

import pandas as pd
Data = pd.read_csv('sample.csv', encoding = "ISO-8859-1")
DataConverted = pd.get_dummies(Data)
DataConverted.to_csv('sample_out.csv')

输出如下所示（我不能发布超过两张图片）：

movie_title_Avatar ,movie_title_Pirates of the Caribbean: At World's End ,movie_title_Spectre ,genres_Action|Adventure|Fantasy,genres_Action|Adventure|Fantasy|Sci-Fi,genres_Action|Adventure|Thriller
1.0,0.0,0.0,0.0,1.0,0.0
0.0,1.0,0.0,1.0,0.0,0.0
0.0,0.0,1.0,0.0,0.0,1.0

【问题讨论】：

原始问题在这里有更好的答案：datascience.stackexchange.com/questions/14847/…

标签： python python-3.x pandas scikit-learn

【解决方案1】：

这里的这个有点棘手，但我可以保证没有很多类型。因此，您可以使用 2^n 形式的值创建常量。例如，动作类型将具有常量值 1；冒险类型可能是 2；和幻想 4。然后，您可以使用常量值保存执行“或”运算的类型。例如，如果 Avatar 类型是动作和奇幻，而不是冒险。你会像这样保存它

  const int ACTION = 1, ADVENTURE = 2, FANTASY = 4;
  movie.genre = movie.genre | ACTION | FANTASY

然后，当您读取列gender 的值时，您将不得不对每个常量值执行“与”运算。例如，要知道 Avatar 的类型是否是动作，您只需执行以下操作并查看它是否是冒险：

    if(movie.genre & ACTION == ACTION)
         print("Action movie") //will execute
    if(movie.genre & ADVENTURE == ADVENTURE)
         print("Adventure movie") //won't execute

现在，使用十进制值可能对您没有意义。但是你必须用二进制值来考虑这个； 1 是 0001； 2 = 0010 和 4 = 0100。在 Avatar 示例中执行“或”运算将导致您使流派等于 01001。在十进制枚举系统中为 5。但 01001 实际上并不是一个流派类型。因此，要知道电影是否属于特定类型，您必须使用常量值执行“与”运算。因此，执行 movie.genre & ACTION 等价于 01001 & 00001 = 00001。现在，值 00001 与解释为 ACTION 的常量值相同。这意味着，阿凡达是一部动作片，而不是一部冒险片，因为 01001 和 00010 等于 0，而不是等于 ADVENTURE (2) 的常数值。

【讨论】：