Question

我在Pandas数据框中有一个名为“label”的变量，它包含多个字符串值（例如：'label1', "label2', 'label3'...）。

label
label1
label1
label23
label3
label11

我将所有唯一值输出到列表中，然后创建新变量

unique_labels = df['label'].unique()

for i in unique_labels: # create new single label variable holders
    df[str(i)] = 0

现在我有了

label    label1    label2 .... label23
label1     0         0            0
label23    0         0            0

我想将基于'label'的相应值分配到新的单个标签变量上，如下所示

label    label1    label2 .... label23
label1     1         0            0
label23    0         0            1

这是我的代码

def single_label(df):
for i in range(len(unique_labels)):
    if df['label'] == str(unique_labels[i]):
        df[unique_labels[i]] == 1


df = df.applymap(single_label)

获取此错误

TypeError: ("'int' object is not subscriptable", 'occurred at index Unnamed: 0')

Answer 1

IIUC，您可以在删除重复项之后使用pd.get_dummies，这样可以更快地执行代码，而不是迭代执行代码：

df.drop_duplicates().join(pd.get_dummies(df.drop_duplicates()))

     label  label_label1  label_label11  label_label23  label_label3
0   label1             1              0              0             0
2  label23             0              0              1             0
3   label3             0              0              0             1
4  label11             0              1              0             0

您可以使用label和prefix参数删除那些prefix_sep前缀和下划线：

df.drop_duplicates().join(pd.get_dummies(df.drop_duplicates(),
                                         prefix='', prefix_sep=''))

     label  label1  label11  label23  label3
0   label1       1        0        0       0
2  label23       0        0        1       0
3   label3       0        0        0       1
4  label11       0        1        0       0

编辑：使用第二列，即：

>>> df
     label second_column
0   label1             a
1   label1             b
2  label23             c
3   label3             d
4  label11             e

只需在标签栏上调用pd.get_dummies：

df.drop_duplicates('label').join(pd.get_dummies(df['label'].drop_duplicates(),
                                         prefix='', prefix_sep=''))

     label second_column  label1  label11  label23  label3
0   label1             a       1        0        0       0
2  label23             c       0        0        1       0
3   label3             d       0        0        0       1
4  label11             e       0        1        0       0

然而，你没有重复删除行，我不认为你想要的是什么（除非我弄错了）。如果没有，只需省略drop duplicates calls：

df.join(pd.get_dummies(df['label'], prefix='', prefix_sep=''))

     label second_column  label1  label11  label23  label3
0   label1             a       1        0        0       0
1   label1             b       1        0        0       0
2  label23             c       0        0        1       0
3   label3             d       0        0        0       1
4  label11             e       0        1        0       0

迭代地根据另一列为Pandas列分配值

1 个答案: