【发布时间】：2016-05-03 17:53:44
【问题描述】：
我有一个数据框data:
import pandas as pd
data = pd.DataFrame({"col1" : ['1_xy','2_xy','3_xy','4_xy','5_xy'],
"col2" : [['a', 'b', 'c'],
['d', 'e', 'f', 'g', 'h', 'i'],
['a', 'j', 'k'],
['a', 'b', 'd'],
['a', 'l', 'm']]})
输出：
col1 col2
0 1_xy [a, b, c]
1 2_xy [d, e, f, g, h, i]
2 3_xy [a, j, k]
3 4_xy [a, b, d]
4 5_xy [a, l, m]
我正在尝试将此数据帧转换为如下所示的数据帧：
import re
new_data = pd.DataFrame({'col1': ['1_xy','2_xy','3_xy','4_xy','5_xy'],
'a' : [1,0,1,1,1], 'b' : [1,0,0,1,0],
'c' : [1,0,0,0,0], 'd' : [0,1,0,1,0],
'e' : [0,1,0,0,0], 'f' : [0,1,0,0,0],
'g' : [0,1,0,0,0], 'h' : [0,1,0,0,0],
'i' : [0,1,0,0,0], 'j' : [0,0,1,0,0],
'k' : [0,0,1,0,0], 'l' : [0,0,0,0,1],
'm' : [0,0,0,0,1]})
new_data[["col1"] + [name for name in new_data.columns if not re.search("col1", name)]]
输出：
col1 a b c d e f g h i j k l m
0 1_xy 1 1 1 0 0 0 0 0 0 0 0 0 0
1 2_xy 0 0 0 1 1 1 1 1 1 0 0 0 0
2 3_xy 1 0 0 0 0 0 0 0 0 1 1 0 0
3 4_xy 1 1 0 1 0 0 0 0 0 0 0 0 0
4 5_xy 1 0 0 0 0 0 0 0 0 0 0 1 1
即新数据框的列由来自data.col2 的列表中的唯一值组成，并且值由与列表中的条目对应的值填充。
到目前为止，我一直在玩pandas.get_dummies，但它会创建我无法控制的虚假列。
我尝试对其执行此操作的真实数据非常高（很多行），因此内存“可能”是一个问题，但欢迎所有解决方案。我应该补充一点，我已经准备好使用字典方法的解决方法 - 但不幸的是，它非常缓慢。希望任何人以前都遇到过这个问题并且可以提供帮助。
我目前正在使用 python v3.4 和 pandas v0.14.1（我知道...）
【问题讨论】：
-
你如何使用
get_dummies？ -
@IanS 我这样使用它：df = data["col2"].str.get_dummies(sep=",")，有时它似乎有效，但我不断发现重复的列' 甚至彼此不匹配（我认为应该是预期的，并且我以错误的方式使用该命令。）我应该注意我没有在我的玩具示例中尝试过该命令。