每列中有多个值的 DataFrame如何在主标题下对它们进行单热编码？

如何解决每列中有多个值的 DataFrame如何在主标题下对它们进行单热编码？

我有一个 DataFrame，每列中有一个变量列表。我不知道如何对每列中的数据进行单热编码。

In:

lst = [['Red,Blue,Yellow','Blue,Green,'Green,Red,Blue'],['Yellow,Blue',Green','Yellow,Red'],'Red,Yellow,Red']]
    
df = pd.DataFrame(lst,columns =['A','B','C'],dtype = float)

Out:

        A                     B                        C
Ella    Red,Yellow     Blue,Yellow      Green,Blue
Mike    Yellow,Blue     Blue,Green         Yellow,Red
Dave    Yellow,Green    Red,Blue        Green,Red

我希望使用多层列标题来创建它，如下所示：

       A                                 B                               C
       Red    Blue   Green   Yellow      Red    Blue   Green   Yellow    ....
Ella   1      1      0       1           0      1      1       1         ....
Mike   1      1      0       1           1      1      1       0         ....   
Dave   1      0      1       1           1      1      0       1         ....                                                                                                                                                     

我非常感谢您的指导，因为我已经坚持了一段时间！

解决方法

这里有一个方法：

df = df.stack().str.get_dummies(sep=',')
df.columns = df.columns.str.strip()
df = df.stack().groupby(level=[0,1,2]).sum().unstack(level=[1,2])

,

有一个很好的答案here。在您的情况下，您必须将相同的内容应用于不同的列，因此类似于（可以进一步优化）：

import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer
import numpy as np

lst = [['Red,Blue,Yellow','Blue,Green,'Green,Red,Blue'],['Yellow,Blue',Green','Yellow,Red'],'Red,Yellow,Red']]
    
df = pd.DataFrame(lst,columns =['A','B','C'],dtype = float)

mlb = {}
res = {}
for column in df.columns:
    mlb[column] = MultiLabelBinarizer()

    res[column] = pd.DataFrame(mlb[column].fit_transform(df[column].apply(lambda x: [j.strip() for j in x.split(",")])),columns=mlb[column].classes_,index=df[column].index)

arrays = [np.concatenate(([np.array([column]*len(mlb[column].classes_)) for column in df.columns])),np.concatenate(([mlb[column].classes_ for column in df.columns]))]
df_end = pd.DataFrame(columns = arrays,index = [0,2])

for column in df.columns:
    df_end[column] = res[column]

df_end


    A                       B                     C
    Blue Green Red  Yellow  Blue Green Red Yellow Blue Green Red Yellow
0   1    0     1    1       1    1     0   1      1    1     1   0
1   1    0     1    1       1    1     1   0      1    0     1   1
2   0    1     1    1       1    0     1   1      1    1     1   0