具有自定义分隔符和新列名的列表变量的 One-hot 编码

Question

我的数据：

Rank    Platforms        Technology

high    Windows||Linux   Unity
high    Linux             
low     Windows          Unreal 
low     Linux||MacOs     GameMakerStudio||Unity||Unreal
low                      GameMakerStudio
low

我想把它转换成这样的：

Rank    platform_Windows  platform_linux  platform_MacOs technology_unity  technology_unreal technology_GameMakerStudio

high    1                 0                0             1                  0                   1
high    0                 1                0             0                  0                   0
low     1                 0                0             0                  1                   0 
low     0                 1                1             1                  1                   1 
low     0                 0                0             0                  0                   1
low     0                 0                0             0                  0                   0

所以这是一种单热编码。我关注了很多答案：

1. How to one-hot-encode from a pandas column containing a list?
2. Pandas get_dummies to create one hot with separator = ' ' and with character level separation [duplicate]
3. ow to one-hot-encode from a pandas column containing a list?

问题是：

• 没有一个显示如何用||分隔符分隔我的列表
• 它们都没有显示如何为新列名添加前缀。例如platform_ 和technology_。我需要这个来知道新列来自哪个原始列。

我当前的代码是：

df.drop('Platforms', 1).join(
    pd.get_dummies(
        pd.DataFrame(df.Platforms.str.split("||").tolist()).stack(),
        prefix=['platform']
    ).assum(level=0)
)

df.drop('Technology', 1).join(
    pd.get_dummies(
        pd.DataFrame(df.Technology.str.split("||").tolist()).stack(),
        prefix=['technology']
    ).assum(level=0)
)

但我得到的错误是：

TypeError: 'float' 类型的对象没有 len()

我已阅读文档pandas.get_dummies 和pandas.Series.str.get_dummies。后者似乎接受自定义分隔符，而前者允许自定义新列前缀...

Answer 1

你可以这样做：

s = [df[col].str.get_dummies().add_prefix(f'{col.lower()}_') 
        for col in ['Platforms', 'Technology']]

pd.concat([df[['Rank']]] + s, axis=1)