我有一个谷歌表格，我用来收集调查数据（对于这个问题，我将使用example form），其中有一些问题，可以有多个答案，使用一组复选框进行选择。
当我从表单中获取数据并将其导入pandas时，我得到了这个：
Timestamp What sweets do you like?
0 23/11/2013 13:22:30 Chocolate, Toffee, Popcorn
1 23/11/2013 13:22:34 Chocolate
2 23/11/2013 13:22:39 Toffee, Popcorn, Fruit
3 23/11/2013 13:22:45 Fudge, Toffee
4 23/11/2013 13:22:48 Popcorn
我想对问题的结果进行统计（有多少人喜欢巧克力，有多少人喜欢太妃糖等）。问题是，所有答案都在一列内，因此按该列分组并要求计数不起作用。
Pandas中是否有一种简单的方法可以将这种数据框转换为多个列，其中包含多个名为Chocolate，Toffee，Popcorn，Fudge和Fruit的列，每个列都是布尔值（1表示是，0表示否） ？我想不出一个合理的方法来做到这一点，我不确定它是否真的有用（做我想做的聚合可能会更难以这样做。）
答案 0 :(得分：4)
以固定宽度表读入，删除第一列
In [30]: df = pd.read_fwf(StringIO(data),widths=[3,20,27]).drop(['Unnamed: 0'],axis=1)
In [31]: df
Out[31]:
Timestamp What sweets do you like0
0 23/11/2013 13:22:34 Chocolate
1 23/11/2013 13:22:39 Toffee, Popcorn, Fruit
2 23/11/2013 13:22:45 Fudge, Toffee
3 23/11/2013 13:22:48 Popcorn
将时间戳设置为正确的datetime64 dtype（此练习不需要）， 但几乎总是你想要的。
In [32]: df['Timestamp'] = pd.to_datetime(df['Timestamp'])
新列名称
In [33]: df.columns = ['date','sweets']
In [34]: df
Out[34]:
date sweets
0 2013-11-23 13:22:34 Chocolate
1 2013-11-23 13:22:39 Toffee, Popcorn, Fruit
2 2013-11-23 13:22:45 Fudge, Toffee
3 2013-11-23 13:22:48 Popcorn
In [35]: df.dtypes
Out[35]:
date datetime64[ns]
sweets object
dtype: object
将甜字列从字符串拆分为列表
In [37]: df['sweets'].str.split(',\s*')
Out[37]:
0 [Chocolate]
1 [Toffee, Popcorn, Fruit]
2 [Fudge, Toffee]
3 [Popcorn]
Name: sweets, dtype: object
关键步骤，这将为值存在的位置创建一个虚拟矩阵
In [38]: df['sweets'].str.split(',\s*').apply(lambda x: Series(1,index=x))
Out[38]:
Chocolate Fruit Fudge Popcorn Toffee
0 1 NaN NaN NaN NaN
1 NaN 1 NaN 1 1
2 NaN NaN 1 NaN 1
3 NaN NaN NaN 1 NaN
最终结果我们将nans填充为0，然后将awype填充为bool以使其为True / False。然后连续 它到原始框架
In [40]: pd.concat([df,df['sweets'].str.split(',\s*').apply(lambda x: Series(1,index=x)).fillna(0).astype(bool)],axis=1)
Out[40]:
date sweets Chocolate Fruit Fudge Popcorn Toffee
0 2013-11-23 13:22:34 Chocolate True False False False False
1 2013-11-23 13:22:39 Toffee, Popcorn, Fruit False True False True True
2 2013-11-23 13:22:45 Fudge, Toffee False False True False True
3 2013-11-23 13:22:48 Popcorn False False False True False
答案 1 :(得分：1)
几天前，我遇到了同样的问题，经过一些搜索，我在熊猫文档中发现了str.get_dummies函数。让我们看看它是如何工作的：
如文档中所述，test.replaceAll("\\d(?!\\d{0,3}\$)", "*")用 sep 分割系列中的每个字符串，并返回一个虚拟/指标变量的DataFrame。
以下是上述DataFrame的简化版本：
str.get_dummies我们需要在In [27]: df
Out[27]:
What sweets do you like?
0 Chocolate, Toffee, Popcorn
1 Chocolate
2 Toffee, Popcorn, Fruit
3 Fudge, Toffee
4 Popcorn
中指定的唯一参数是 sep ，在我们的例子中是逗号：
str.get_dummies请注意， sep 参数中逗号后有一个空格，因为空格本身是字符，如果我们不将其包含在 sep 中，结果将是如下所示，显然是错误：
In [28]: df['What sweets do you like?'].str.get_dummies(sep=', ')
Out[28]:
Chocolate Fruit Fudge Popcorn Toffee
0 1 0 0 1 1
1 1 0 0 0 0
2 0 1 0 1 1
3 0 0 1 0 1
4 0 0 0 1 0
根据经验，请始终注意准确编写分隔符！
答案 2 :(得分：0)
这样的事情怎么样：
#Create some data
import pandas as pd
import numpy as np
Foods = ['Chocolate, Toffee, Popcorn', 'Chocolate', 'Toffee, Popcorn, Fruit', 'Fudge, Toffee', 'Popcorn']
Dates = ['23/11/2013 13:22:30', '23/11/2013 13:22:34', '23/11/2013 13:22:39', '23/11/2013 13:22:45', '23/11/2013 13:22:48']
DF = pd.DataFrame(Foods, index = Dates, columns = ['Sweets'])
#create unique list of foods
UniqueFoods = ['Chocolate', 'Toffee', 'Popcorn', 'Fruit']
# Create new data frame withy columns for each food type, with indenitcal index
DFTransformed = pd.DataFrame({Food: 0 for Food in UniqueFoods}, index = DF.index)
#iterate through your data and modify the second data frame according to your wishes
for row in DF.index:
for Food in UniqueFoods:
if Food in DF['Sweets'][row]:
DFTransformed[Food][row] = 1
DFTransformed