Question

我有一个列表字典，我构造了一个数据框，其中索引是字典键，而列是列表中包含的可能值的集合。数据框值表示字典中包含的每个列表的每一列的存在。构造此方法最有效的方法是什么？下面是我现在使用for循环完成此操作的方式，但是我敢肯定，使用矢量化或串联连接会更有效。

import pandas as pd

data = {0:[1,2,3,4],1:[2,3,4],2:[3,4,5,6]}
cols = sorted(list(set([x for y in data.values() for x in y])))
df = pd.DataFrame(0,index=data.keys(),columns=cols)

for row in df.iterrows():
  for col in cols:
    if col in data[row[0]]:
      df.loc[row[0],col] = 1
    else:
      df.loc[row[0],col] = 0

print(df)

输出：

       1  2  3  4  5  6
    0  1  1  1  1  0  0
    1  0  1  1  1  0  0
    2  0  0  1  1  1  1

Answer 1

使用MultiLabelBinarizer：

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()

df = pd.DataFrame(mlb.fit_transform(data.values()),
                  columns=mlb.classes_,
                  index=data.keys())
print (df)
   1  2  3  4  5  6
0  1  1  1  1  0  0
1  0  1  1  1  0  0
2  0  0  1  1  1  1

纯熊猫，但使用str.get_dummies的解决方案慢得多：

df = pd.Series(data).astype(str).str.strip('[]').str.get_dummies(', ')

创建布尔数据框，以显示列表字典中每个元素的存在

1 个答案: