如何用列表中的单词制作二进制熊猫矩阵？

Question

我有一个数据框，其中有一列包含每一行的列表：

df['list1'][0] = ['a','b','c','d']

df['list1'][1] = [,'b','c','d', 'e']

现在我想从中创建一个二进制矩阵，将字母作为列名，如果该行上的列表包含该字母，则为 1，如果不是 0。我找不到解决方案。有人可以帮帮我吗？

Answer 1

如果性能很重要，请使用MultiLabelBinarizer： ：

df = pd.DataFrame({'list1':[ ['a','b','c','d'], ['b','c','d', 'e']]})
print (df)
          list1
0  [a, b, c, d]
1  [b, c, d, e]

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
df1 = pd.DataFrame(mlb.fit_transform(df['list1']),columns=mlb.classes_)

或get_dummies 与DataFrame 构造函数：

df1 = (pd.get_dummies(pd.DataFrame(df['list1'].values.tolist()), prefix_sep='', prefix='')
         .max(level=0, axis=1))

另一种解决方案，但如果大数据使用Series.str.join 和Series.str.get_dummies 会很慢：

df1 = df['list1'].str.join('|').str.get_dummies()

---

print (df1)
   a  b  c  d  e
0  1  1  1  1  0
1  0  1  1  1  1

编辑：如果需要删除 list1 列的原始列，请使用 DataFrame.pop 提取带有 DataFrame.join 的列：

df = pd.DataFrame({'list1':[ ['a','b','c','d'], ['b','c','d', 'e']],
                   'col1':[1,2],
                   'col2':list('XY')})
print (df)
          list1  col1 col2
0  [a, b, c, d]     1    X
1  [b, c, d, e]     2    Y

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
df1 = pd.DataFrame(mlb.fit_transform(df.pop('list1')),columns=mlb.classes_, index=df.index)
print (df1)
   a  b  c  d  e
0  1  1  1  1  0
1  0  1  1  1  1

---

df1 = (pd.get_dummies(pd.DataFrame(df.pop('list1').values.tolist()), prefix_sep='', prefix='')
         .max(level=0, axis=1))

---

df1 = df.pop('list1').str.join('|').str.get_dummies()

---

df = df.join(df1)
print (df)
   col1 col2  a  b  c  d  e
0     1    X  1  1  1  1  0
1     2    Y  0  1  1  1  1