如何从长度不等的列表中创建假人数据框？答案

【问题标题】：How can I create a dataframe of dummies from a dict of lists of unequal length?如何从长度不等的列表中创建假人数据框？
【发布时间】：2019-08-16 06:55:04
【问题描述】：

我有一个字典，其中每个键都是一个行索引，每个值都是一个虚拟值列表。例如：

my_dict = {'row1': ['a', 'b'], 'row2': ['a'], 'row3': ['b', 'c']}

我可以用上述方法有效地创建一个假人数据框吗？

>>> df
      a      b      c
row1  True   True   False
row2  True   False  False
row3  False  True   True

【问题讨论】：

标签： python pandas dummy-variable

【解决方案1】：

你可以使用pd.get_dummies:

u = pd.DataFrame.from_dict(my_dict, orient='index')
pd.get_dummies(u, prefix='', prefix_sep='').max(level=0, axis=1).astype(bool)

          a      b      c
row1   True   True  False
row2   True  False  False
row3  False   True   True

您也可以使用stack 和str.get_dummies，这很简洁，但这会稍微慢一些。

u.stack().str.get_dummies().max(level=0).astype(bool)

          a      b      c
row1   True   True  False
row2   True  False  False
row3  False   True   True

【讨论】：

在我的数据集上，第一个解决方案平均为 7.15 毫秒，第二个解决方案平均为 11.7 毫秒。你能解释一下这两者是如何构建最终数据框的吗？
@JoeB pd.get_dummies 能够为多列生成一个热编码。在第二种情况下，str.get_dummies 在单列上工作，所以我们事先将数据堆叠起来。

【解决方案2】：

crosstab 带构造函数

s=pd.DataFrame(list(my_dict.values()),index=my_dict.keys()).stack()

pd.crosstab(s.index.get_level_values(0),s).astype(bool)
Out[131]: 
col_0      a      b      c
row_0                     
row1    True   True  False
row2    True  False  False
row3   False   True   True

【讨论】：