Pandas 将行中的列表分隔为列和一个热编码

Question

客户的在线表单将多选选项输出到以逗号分隔的单个字段。有没有一种方法可以将值拆分成列并对它们进行热编码，我正在使用 pandas?

现在数据：

id  | ind
1   | Student, Tourism, Industrial
2   | Residential, Student, Tourism
3   | student, Tourism, Industrial, Education

我想要数据的方式：

id          | ind_student| ind_Tourism| ind_Industrial| ind_Residential|  ind_Education
1           | 1          | 1          | 1             | 0              | 0    
2           | 1          | 1          | 0             | 1              | 0
3           | 1          | 1          | 1             | 0              | 1

感谢观看！

Answer 1

将您的 ind 列拆分为单词并旋转您的数据框：

out = df.assign(ind=df['ind'].str.split(', '), dummy=1).explode('ind') \
        .pivot_table('dummy', 'id', 'ind', fill_value=0).add_prefix('ind_')
print(out)

# Output:
ind  ind_Education  ind_Industrial  ind_Residential  ind_Student  ind_Tourism  ind_student
id                                                                                        
1                0               1                0            1            1            0
2                0               0                1            1            1            0
3                1               1                0            0            1            1

Answer 2

使用get_dummies。但是，首先通过创建列表和分解将每个字符串放入其行中。因为大小写混合，请首字母大写，然后crosstab

 df=df.assign(ind=df['ind'].str.title().str.strip().str.split(',')).explode('ind')

df=pd.crosstab(df['id'], df['ind']).add_prefix('ind_')



ind  ind_Education  ind_Industrial  ind_Residential  ind_Student  ind_Tourism
id                                                                           
1                0               1                0            1            1
2                0               0                1            1            1
3                1               1                0            1            1

Pandas 将行中的列表分隔为列和一个热编码

Pandas separate list in row to columns and one hot encode

python

encoding

pandas

one-hot-encoding