如何将一列分成多列并计算频率

Question

给定一张表格，这是我想到的问题

   Id   type
0   1    [a,b]
1   2     [c]
2   3     [a,d]

我想把它转换成以下形式：

   Id     a  b  c  d
0   1     1  1  0  0
1   2     0  0  1  0
2   3     1  0  0  1

我需要一种非常有效的方法来转换大表。欢迎任何意见。

======================================

我收到了几个很好的答案，非常感谢您的帮助。

现在出现了一个新问题，我的笔记本内存不足以使用pd.dummies生成整个数据帧。

有没有办法逐行生成一个稀疏向量然后堆叠在一起？

Answer 1

试试这个

>>> df
   Id    type
0   1  [a, b]
1   2     [c]
2   3  [a, d]
>>> df2 = pd.DataFrame([x for x in df['type'].apply(
...           lambda item: dict(map(
...                                 lambda x: (x,1), 
...                             item)) 
...           ).values]).fillna(0)
>>> df2.join(df)
   a  b  c  d  Id    type
0  1  1  0  0   1  [a, b]
1  0  0  1  0   2     [c]
2  1  0  0  1   3  [a, d]

它基本上将 list 列表转换为 dict 列表并从中构造一个 DataFrame

[ ['a', 'b'], ['c'], ['a', 'd'] ] # 列表列表
[ {'a':1, 'b':1}, {'c':1}, {'a':1, 'd':1} ] # 字典列表 用这个制作DataFrame

Answer 2

试试这个：

pd.get_dummies(df.type.apply(lambda x: pd.Series([i for i in x])))

解释一下：

df.type.apply(lambda x: pd.Series([i for i in x]

为您的列表中的索引位置提供一列。然后您可以使用get dummies 来获取每个值的计数

pd.get_dummies(df.type.apply(lambda x: pd.Series([i for i in x])))

输出：

    a   c   b   d
0   1   0   1   0
1   0   1   0   0
2   1   0   0   1