使用 Python 将多类数据集转换为多标签数据集

Question

我有 多类 数据集，其中包含 3 个类 C1、C2 和 C3 以及一些对应的值如下表所示

Class	Value
C1	V11
C1	V12
C2	V21
C2	V22
C2	V23
C3	V31

我们希望它通过使用所有可能的组合将其转换为多标签数据集，如下所示

Value	C1	C2	C3
V11V21	1	1	0
V11V22	1	1	0
V11V23	1	1	0
V11V31	1	0	1
V11V21V31	1	1	1
V12V21	1	1	0
....	.	.	.

我们正在组合不同类别的值，在 categoryColumns 中，如果该类存在，则添加 1，否则添加 0。

注意：Vij 是一个字符串，所以 V11V21 也是一个字符串 例如：V11 = 'Hello' V21 = 'Friend' 然后 V11V21 = 'HelloFriend'

注意：我已经从 csv 文件中使用 python 中的 pandas 导入了多类数据集，它的形状是 (n, 2)。因此 Pandas 中的解决方案将是一个加分项，但不是必需的，您可以使用任何 DS 提供解决方案。

注意：这不是机器学习问题，只是数据转换问题。

Answer 1

地址：

获取所有组合：

import itertools
combinations=[]
for number in range(2,len(V)+1):#Combinations except 1 & 0.
    combinations.append([list(a) for a in itertools.combinations(V,number)])

一个热门的编码类：

Dict={"C1":np.array([1,0,0]),"C2":np.array([0,1,0]),"C3":np.array([0,0,1])}
DF["Class"]=DF["Class"].apply(lambda x :Dict[x])

创建一个 val_class 对的字典：

Val_class_dict={}
for val in DF.Value.drop_duplicates():
    x=np.sum(DF[DF["Value"]==val].Class.values,axis=0)#Summing them up if there are more than 1 value for each.
    Val_class_dict[val]=x

class_vals=[]
val_strs=[]
for a in combinations:
    for b in a:
        zeros=np.array([0,0,0])
        Str=""
        for c in b:
            Str+=str(c)
            zeros+=Val_class_dict[c]
        class_vals.append(zeros)
        val_strs.append(Str)

pd.DataFrame({"Value":val_strs,"C1":np.array(class_vals)[:,0],"C2":np.array(class_vals)[:,1],"C3":np.array(class_vals)[:,2]})

对于 Ram-Memory 问题，每次创建时保存：

import csv
import itertools
with open('store.csv', mode='w') as file:
    file_writer = csv.writer(file, delimiter=',')
    for number in range(2,len(V)+1):
        for a in [list(a) for a in itertools.combinations(V,number)]:
            zeros=np.array([0,0,0])
            Str=""
            for b in a:
                Str+=str(b)
                zeros+=Val_class_dict[b]
            file_writer.writerow((Str,zeros))