如何在Python中使用多个标签进行热编码？

Question

我有一个CSV表格，看起来像这样：

id   attribute
1    Canada
1    United States
2    Germany
3    Canada
4    Germany
4    United States

我想将上面的表变成：

id   attribute.Canada   attribute.UnitedStates   attribute.Germany
1    1.0                1.0                      0.0
2    0.0                0.0                      1.0
3    1.0                0.0                      0.0
4    0.0                1.0                      1.0

我希望完成三件事：

1. 每行将具有唯一的ID
2. “属性”标签下的值成为经过热编码的列名
3. 将新表导出回CSV

Answer 1

我只想给您起步。取属性列的唯一值，并将其附加到先前已初始化“ id”的数组中。获取'id'的唯一值（即1 2 3 4），并将其添加为索引，并将较早的数组添加为列以初始化数据帧。

遍历“ id”的唯一值，使用regex读取以“ id”值开头的行。提取属性值，并将字典的值设置为1.0，然后将其附加到数据框，然后将NaN替换为0.0。