Pandas 将包含字符串的列转换为新列

Question

我有一个包含逗号分隔字符串的列的数据框。我想创建类似于一种热编码的新列。

下面是一个非常简单的例子。在我的用例中，我有数千行和更多列，两列包含逗号分隔许多字符串。我本可以使用 apply+lamda function+string contains condition 来创建每一列，但这非常乏味，因为它将有 100 多个新列

输入数据帧

ColumnA    ColumnB
 1         {"alpha", "bravo"} 
 2         {"bravo", "charlie"}
 3         {"alpha", "charlie","gama"}
 4         {"bravo", "charlie","delta"}

输出数据框

ColumnA    alpha     bravo   charlie delta gamma  
 1         1         1       0       0     0       
 2         0         1       0       0     0
 3         1         0       1       0     1
 4         0         1       1       1     0

Answer 1

另一种可能的解决方案：

aux = df['ColumnB'].str.extractall(r'(w+)').reset_index()
pd.concat([df['ColumnA'], pd.crosstab(aux['level_0'], aux[0])], axis=1)

输出：

   ColumnA  alpha  bravo  charlie  delta  gama
0        1      1      1        0      0     0
1        2      0      1        1      0     0
2        3      1      0        1      0     1
3        4      0      1        1      1     0

Answer 2

假设你真的有集合的字符串表示，首先删除{"/"}和内部", "，然后使用str.get_dummies：

out = (df.drop(columns='ColumnB')
         .join(df['ColumnB'].str.replace('^{"|"(,)s*"|"}$', r'', regex=True)
                            .str.get_dummies(sep=',')
               )
        )

输出：

   ColumnA  alpha  bravo  charlie  delta  gama
0        1      1      1        0      0     0
1        2      0      1        1      0     0
2        3      1      0        1      0     1
3        4      0      1        1      1     0

选择

类似于@PaulS 的方法，但使用ast.literal_eval：

from ast import literal_eval
s = df['ColumnB'].apply(literal_eval).explode()
out = df.drop(columns='ColumnB').join(pd.crosstab(s.index, s))