Question

我已经和Pandas玩了一段时间了，所以我不确定这是否立即可行，让我揭露我的问题：

我有一个数组，例如：

0    |1|2|3|
1    |6|4|3|
2      |6|1|
dtype: object

然后我生成了一个数据帧，以对该数组进行一次热编码：

    [[False False False False False]
 [False False  False  False  False]
 [ False  False  False  False False]]

每行对应于数组行，列与每个数组元素的值不同，用|分隔。

这时，我想根据每个单元格的索引和列为其分配True / False值。如果列C包含在数组元素A [R]中，则cell（R，C）的值为true

例如 cell（0,1）=真

想要这样做ina。向量化方法，不确定我是否可以创建一个最初为空的数据框，我可能需要对单元格值中的索引和列进行编码？

我使用的是get dummies，但是看一下内部结构，我看到了标签上的迭代，只是想知道它是否可替换（我还必须在稍后应用该类型时对其进行一些自定义，这会导致暂时输出内存）

获取假人

def str_get_boolean_dummies(arr, sep='|'):
arr = arr.fillna('')
try:
    arr = sep + arr + sep
except TypeError:
    arr = sep + arr.astype(str) + sep

tags = set()
for ts in arr.str.split(sep):
    tags.update(ts)
tags = sorted(tags - set([""]))

dummies = pd.np.empty((len(arr), len(tags)), dtype=pd.np.bool)

for i, t in enumerate(tags):
    pat = sep + t + sep
    dummies[:, i] = map_infer(arr.values, lambda x: pat in x)

Answer 1

如果我的理解正确，那么您想要str.get_dummies：

df = pd.DataFrame([['|1|2|3|'], ['|6|4|3|'], ['|6|1|']], columns=['text'])

print(df['text'].str.get_dummies().astype(bool))

输出：

       1      2      3      4      6
0   True   True   True  False  False
1  False  False   True   True   True
2   True  False  False  False   True

熊猫以向量化方式从单元格获取索引和列

1 个答案: