如何将具有重复文本的CSV列拆分为每个可能的文本变体的拆分0-1列？

Question

我有一个像

这样的列的CSV

checkwinsize

我想把它拆成像：

LABEL
a
b
a
a
c
n o
ye s

如何用熊猫做这样的事情？

Answer 1

使用get_dummies

s.str.get_dummies().add_prefix('label_')
Out[19]: 
   label_a  label_b  label_c  label_n o  label_ye s
0        1        0        0          0           0
1        0        1        0          0           0
2        1        0        0          0           0
3        1        0        0          0           0
4        0        0        1          0           0
5        0        0        0          1           0
6        0        0        0          0           1

Answer 2

让我们使用pd.get_dummmies参数prefix：

#Using @Lambda setup
label = ["a", "b", "a", "a", "c", "n o", "ye s"]
s = pd.Series(label)

pd.get_dummies(s, prefix='label')

输出：

   label_a  label_b  label_c  label_n o  label_ye s
0        1        0        0          0           0
1        0        1        0          0           0
2        1        0        0          0           0
3        1        0        0          0           0
4        0        0        1          0           0
5        0        0        0          1           0
6        0        0        0          0           1

时序：

用于键循环方法

> %%timeit for key in keys:
>     df[("label_%s" % key).replace(" ", "_")] = (s == key).astype(int)

  

100个循环，最好3：每循环6.7毫秒

字符串访问器get_dummies方法

> %timeit s.str.get_dummies().add_prefix('label_')

  

100个循环，最佳3：每循环6.03毫秒

带有前缀参数的

pd.get_dummies：

> %timeit pd.get_dummies(s, prefix='label')

  

1000次循环，最佳3：每循环1.77 ms

Answer 3

import pandas as pd

label = ["a", "b", "a", "a", "c", "n o", "ye s"]
s = pd.Series(label)
keys = s.unique()

df = pd.DataFrame()
for key in keys:
    df[("label_%s" % key).replace(" ", "_")] = (s == key).astype(int)