熊猫：一列重复到多个列的组

Question

我有以下熊猫数据集：

set_id
A,B
A,C,E
A

所需结果：

set_id  set_id_1 set_id_2 set_id_3
A,B      A          B       null
A,C,E    A          C        E
A        A          null     null 

set_id可以具有n个值。假设set_id中的最大值是100，我应该有100个新列

我尝试使用多标签Binarizer

df1 = pd.DataFrame()
df1['set_id'] = df['set_id'].str.split(',')
from sklearn.preprocessing import MultiLabelBinarizer  
mlb = MultiLabelBinarizer() 
df1=df.join(pd.DataFrame(mlb.fit_transform(df['set_id'])                                  ,columns=mlb.classes_,index=df.head(100).index))

由于我有超过10万个唯一记录，它将创建10万多个列

Answer 1

将expand=True与DataFrame一起使用str.split：

df1 = df['set_id'].str.split(',', expand=True)

具有列表理解功能的另一种更快的解决方案：

df1 = pd.DataFrame([x.split(',') for x in df['set_id']])

---

df1.columns = [f'set_id_{x+1}' for x in df1.columns]
df1 = df.join(df1)

print (df1)
  set_id set_id_1 set_id_2 set_id_3
0    A,B        A        B     None
1  A,C,E        A        C        E
2      A        A     None     None