两个不同数据框列的一个热编码

Question

我有一个 ID 变量为 Toy 的数据框，并且 Toy 有不同的配色方案 -

input_data = pd.DataFrame({'Toy': ['Toy1',  'Toy2', 'Toy3','Toy4'],
                      'Color1': ['Red', 'Orange',   '', 'Orange'],
                      'Color2': ['Red', '', 'Blue', 'Red']})

我想对 Color1 和 Color2 变量进行单热编码，但只有一个转换变量（没有任何前缀的颜色名称）

output_data = pd.DataFrame({'Toy': ['Toy1', 'Toy2', 'Toy3', 'Toy4'],
            'Red': [1,  0,  0,  1],
            'Blue': [0, 0,  1,  0],
            'Orange': [0,   1,  0,  1]})

这似乎是一种快速简便的输出，但我无法找到一种直接的方法。非常感谢任何潜在客户。

Answer 1

我认为没有直接的选择。您可以重塑并使用 crosstab:

d = input_data.replace('', float('nan')).melt(id_vars='Toy')
out = (pd.crosstab(d['Toy'],d['value'])
         .clip(upper=1)
         .reset_index().rename_axis(index=None, columns=None)
       )

输出：

    Toy  Blue  Orange  Red
0  Toy1     0       0    1
1  Toy2     0       1    0
2  Toy3     1       0    0
3  Toy4     0       1    1

Answer 2

将 Series.str.get_dummies 与 | 的联合值一起使用：

df = input_data.set_index('Toy').agg('|'.join, 1).str.get_dummies().reset_index()
print (df)
    Toy  Blue  Orange  Red
0  Toy1     0       0    1
1  Toy2     0       1    0
2  Toy3     1       0    0
3  Toy4     0       1    1

两个不同数据框列的一个热编码

One Hot Encoding For Two Different Dataframe Columns

python

numpy

dataframe

pandas

one-hot-encoding