字符串在数据框的列中时的一种热编码

Question

我在数据框amenities中有列'df'

示例：

amenities 0 {'TV','Wifi','Heater'} 1 {'Heater','Swimming Pool'} 2 {'Pet friendly','Heater'}

我需要执行一种热编码操作，以便获得这样的新数据框。

amenities   Heater  PF  SP  TV  Wifi
0   {'TV','Wifi','Heater'}  1   0   0   1   1
1   {'Heater','Swimming Pool'}  1   0   1   0   0
2   {'Pet friendly','Heater'}   1   1   0   0   0

最好与新的列名匹配字符串。我写《 PF for Pet Friendly》只是为了方便别人。

Answer 1

如果列由字符串填充，请使用Series.str.strip和Series.str.get_dummies与DataFrame.join和MultiLabelBinarizer来添加原始列，还可以根据需要strip ''从{ {1}}：

rename

如果由集合填充，则首先转换为字符串：

df1 = (df['amenities'].str.strip('{}')
                      .str.get_dummies(',')
                      .rename(columns= lambda x: x.strip("'")))
df2 = df[['amenities']].join(df1)

或使用：

df1 = (df['amenities'].astype(str)
                      .str.strip('{}')
                      .str.get_dummies(',')
                      .rename(columns= lambda x: x.strip("'")))

---

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
df1 = pd.DataFrame(mlb.fit_transform(df['amenities']),columns=mlb.classes_)