根据创建新列的值拆分字符串列答案

【问题标题】：Splitting a string column according to its values creating new columns根据创建新列的值拆分字符串列
【发布时间】：2021-11-18 22:05:12
【问题描述】：

我有一个看起来像这样的数据框：

df
name     age      symptoms
x        18       fever, headache, cough
y        23       cough
z        89       HTN
a        43       TNT, HTN

我想创建一个看起来像这样的新数据框，具体取决于症状列。

df2
name     age      symptoms                     fever      headache      cough    HTN   TNT
x        18       fever, headache, cough        1          1             1       0      0
y        23       cough                         0          0             1       0      0
z        89       HTN                           0          0             0       1      0
a        43       TNT, HTN                      0          0             0       1      1

所以它实际上为找到的每个新值创建一个新列。

我试过了：

split_ = df["symptoms"].str.split(expand=True)

但是如何创建新列并在数据框中添加 0 和 1 值。

【问题讨论】：

标签： python pandas string split

【解决方案1】：

试试pd.DataFrame.join 和str.get_dummies 和sep：

df.join(df['symptoms'].str.get_dummies(sep=', '))

输出：

  name  age                symptoms  HTN  TNT  cough  fever  headache
0    x   18  fever, headache, cough    0    0      1      1         1
1    y   23                   cough    0    0      1      0         0
2    z   89                     HTN    1    0      0      0         0
3    a   43                TNT, HTN    1    1      0      0         0

pd.Series.str.get_dummies 具有sep 参数，您可以在其中为get_dummies 指定所需的分隔符。

【讨论】：

这也会为每个组合创建新列。例如：它创建的第一行 - 4 列“发烧”、“头痛”、“咳嗽”和“发烧、头痛、咳嗽”。我们可以为此改变什么？
@Sahil 好吧，至少对我来说它不……奇怪。
@Sahil 如果是这样，请使用df.join(df['symptoms'].str.get_dummies(sep=', ')).filter(regex='^[^,]$', axis=1)
我发现了我的问题。我的原始字符串在逗号后没有空格。这就是为什么它创建了这么多列，它起作用了。非常感谢。

【解决方案2】：

您可以使用pandas.get_dummies 和join 的组合：

df.join(pd.get_dummies(df['symptoms'].str.split(', ').explode()).groupby(level=0).max())

输出：

  name  age                symptoms  HTN  TNT  cough  fever  headache
0    x   18  fever, headache, cough    0    0      1      1         1
1    y   23                   cough    0    0      1      0         0
2    z   89                     HTN    1    0      0      0         0
3    a   43                TNT, HTN    1    1      0      0         0

【讨论】：

【解决方案3】：

df.join(pd.get_dummies(df['symptoms']))

   name  age                symptoms  HTN  TNT, HTN  cough  \
0    x   18  fever, headache, cough    0         0      0   
1    y   23                   cough    0         0      1   
2    z   89                     HTN    1         0      0   
3    a   43                TNT, HTN    0         1      0   

   fever, headache, cough  
0                       1  
1                       0  
2                       0  
3                       0

你也可以交叉表

pd.crosstab([df.name, df.age], df.symptoms).reset_index()

symptoms name  age  HTN  TNT, HTN  cough  fever, headache, cough
0           a   43    0         1      0                       0
1           x   18    0         0      0                       1
2           y   23    0         0      1                       0
3           z   89    1         0      0                       0

【讨论】：

那不行，因为有多个值的行。