PANDAS - 将列表作为值的列转换为虚拟变量答案

【问题标题】：PANDAS - converting a column with lists as values to dummy variablesPANDAS - 将列表作为值的列转换为虚拟变量
【发布时间】：2019-12-07 12:52:42
【问题描述】：

我正在处理一个Airbnb列表数据集。其中一列称为舒适设施，并包含列表必须提供的所有便利设施。几个例子：

[Internet, Wifi, Paid parking off premises]

[Internet, Wifi, Kitchen]

[Wifi, Smoking allowed, Heating]

我想用几个二进制列替换这个列，一个用于各种便利性。例如，其中之一将是：

wifi --> 0,0,0,1,1,0,1,1,0,1,0,1

我找到了一种使用 for 循环实现此目的的方法：

all_amenities = []
for row in amenities:
    all_amenities += row

all_amenities = set(all_amenities)
for col in all_amenities:
    df[col] = 0

for i,amenities_of_listing in enumerate(amenities):
    for amenity in amenities_of_listing:
        df.loc[i,amenity] = 1

但这需要很长时间才能运行 - 这里有人能想出一个更热情的方法吗？

【问题讨论】：

标签： python pandas data-processing

【解决方案1】：

我相信你需要MultiLabelBinarizer 如果大DataFrame 会很好用：

print (df)
                                   amenisities
0  [Internet, Wifi, Paid parking off premises]
1                    [Internet, Wifi, Kitchen]
2             [Wifi, Smoking allowed, Heating]

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
df1 = pd.DataFrame(mlb.fit_transform(df['amenisities']),columns=mlb.classes_)
print (df1)
   Heating  Internet  Kitchen  Paid parking off premises  Smoking allowed  \
0        0         1        0                          1                0   
1        0         1        1                          0                0   
2        1         0        0                          0                1   

   Wifi  
0     1  
1     1  
2     1

【讨论】：

【解决方案2】：

IIUC，你也可以试试pd.get_dummies()或series.str.get_dummies()：

pd.get_dummies(s.explode()).max(level=0)

或者：

s.str.join('|').str.get_dummies()

将s 替换为df['column_name']

   Heating  Internet  Kitchen  Paid parking off premises  Smoking allowed  \
0        0         1        0                          1                0   
1        0         1        1                          0                0   
2        1         0        0                          0                1   

   Wifi  
0     1  
1     1  
2     1

【讨论】：