假设我有一个包含字符串列表的列的 DataFrame，如下所示：
Name Fruit
0 Curly [Apple]
1 Moe [Orange]
2 Larry [Apple, Banana]
我怎样才能把它变成这样的东西？
Name Fruit_Apple Fruit_Orange Fruit_Banana
0 Curly 1 0 0
1 Moe 0 1 0
2 Larry 1 0 1
我觉得我会以某种方式使用pandas.get_dummies()，但我似乎无法理解。有什么帮助吗？
【问题讨论】：
标签： python pandas data-science
import pandas as pd
df = pd.DataFrame({'Name': ['Curly', 'Moe', 'Larry'],
'Fruit': [['Apple'], ['Orange'], ['Apple', 'Banana']]},
columns=['Name', 'Fruit'])
# a one-liner... that's pretty long
dummies_df = pd.get_dummies(
df.join(pd.Series(df['Fruit'].apply(pd.Series).stack().reset_index(1, drop=True),
name='Fruit1')).drop('Fruit', axis=1).rename(columns={'Fruit1': 'Fruit'}),
columns=['Fruit']).groupby('Name', as_index=False).sum()
print(dummies_df)
我将把它分解成几个步骤：
第 1 步：
df['Fruit'].apply(pd.Series).stack().reset_index(1, drop=True)
此步骤将pd.Series 应用于您的列表，将列表中的每个项目拆分为一个新列。 stack 然后将这些列堆叠成一列，同时保留重要的索引信息。 reset_index 部分重置索引的级别 1 并删除它，因为它不需要。你最终会得到这个：
0 Apple
1 Orange
2 Apple
2 Banana
dtype: object
第 2 步：
您会注意到 pd.Series( *Step 1 here*, name='Fruit1') 包含在上面的第 1 步代码中，因为我们接下来将把这个系列加入到现有的数据帧中，所以我们需要一个 name 才能做到这一点。
第 3 步：
df.join(* steps 1 and 2 code *).drop('Fruit', axis=1).rename(columns={'Fruit1': 'Fruit'})
由于我们现在有一个带有名称 (Fruit1) 的 pd.Series，我们将 Fruit1 系列加入到原来的 df 中，该系列有三列。然后我们调用 drop 来删除原来的 Fruit 列。现在我们只有两列 Name 和 Fruit1，但我们希望将 Fruit 命名为 Fruit，因此我们将其重命名为 rename。
第 4 步：
pd.get_dummies(* steps 1, 2, and 3 here*, columns=['Fruit'])
在这里，我们最终调用get_dummies，并使用columns=['Fruit'] 专门告诉get_dummies 只获取Fruit 列的虚拟对象。
Name Fruit_Apple Fruit_Banana Fruit_Orange
0 Curly 1.0 0.0 0.0
1 Moe 0.0 0.0 1.0
2 Larry 1.0 0.0 0.0
2 Larry 0.0 1.0 0.0
第 5 步：
dummies_df = (*steps 1, 2, 3, and 4*).groupby('Name', as_index=False).sum()
最后，您在Name 列上使用groupby 并指定as_index=False 以选择性地不将Name 设置为索引。然后将结果与.sum()相加
最终结果：
Name Fruit_Apple Fruit_Banana Fruit_Orange
0 Curly 1.0 0.0 0.0
1 Larry 1.0 1.0 0.0
2 Moe 0.0 0.0 1.0
【讨论】：