我有一个带有管道分隔列的pandas数据框,该列具有任意数量的元素,称为Parts。这些管道字符串中的元素数量从0到10不等。所有管道字符串中包含的唯一元素的数量并不比行数小很多(这使得我无法手动指定所有管道字符串的数量)创建新列。)
对于每一行,我想创建一个新列,作为管道分隔列表的每个元素的指示符变量。例如,如果行
... 'Parts'
...
... '12|34|56'
应该转换为
... 'Part_12' 'Part_34' 'Part_56'
...
... 1 1 1
...
因为它们是很多独特的部分,所以这些列显然是稀疏的 - 大多数是零,因为每行只包含一小部分独特的部分。
我没有找到任何不需要手动指定列的方法(例如,Pandas Dataframe: split column into multiple columns, right-align inconsistent cell entries)。 我也看过大熊猫的融化,但我认为这不是合适的工具。
我知道如何解决它的方法是将原始CSV管道传输到另一个python脚本并以char-by-char为基础进行处理,但我需要在现有脚本中工作,因为我将处理数百个以这种方式的CSV。
以下是数据的更好说明
ID YEAR AMT PARTZ
1202 2007 99.34
9321 1988 1012.99 2031|8942
2342 2012 381.22 1939|8321|Amx3
答案 0 :(得分:2)
您可以使用get_dummies
和add_prefix
:
df.Parts.str.get_dummies().add_prefix('Part_')
输出:
Part_12 Part_34 Part_56
0 1 1 1
df = pd.DataFrame({'Parts':['12|34|56|12']}, index=[0])
pd.get_dummies(df.Parts.str.split('|',expand=True).stack()).sum(level=0).add_prefix('Part_')
输出:
Part_12 Part_34 Part_56
0 2 1 1