从冗余二进制数据集创建多标签数据集以进行多标签分类答案

【问题标题】：Create a multi-labelled dataset from a redundant binary one for multi-label classification从冗余二进制数据集创建多标签数据集以进行多标签分类
【发布时间】：2017-11-08 02:19:45
【问题描述】：

我得到了一个这样的数据集（数据框）：

x   y

A   a
A   b
B   c
C   g
B   g

这就是我需要的多标签分类-

x   y

A   a,b
B   c,g
C   g

我应该怎么做？

【问题讨论】：

如果您有理由不接受我的回答，请告诉我，我可以解决问题。
@piRSquared MultiLabelBinarizer 无法固有地处理您的解决方案生成输出的方式。 df.groupby("Id").Class.apply(list) 是我需要的。
啊，好的。为了将来参考，当您声明要在列元素中使用 a,b 时，假定它是一个逗号分隔的字符串。如果你想要清单并这么说，我可以很容易地提供清单。我们通常以这种方式表示列表[a, b] 我希望你能理解我们是如何产生这种误解的......祝你好运。
@piRSquared 道歉。会记住的:)

标签： python-3.x pandas dataframe multilabel-classification

【解决方案1】：

选项 1
使用groupby ','.join

df.groupby('x').y.apply(','.join).reset_index()

   x    y
0  A  a,b
1  B  c,g
2  C    g

选项 2
使用pivot_table ','.join

df.pivot_table('y', 'x', aggfunc=','.join).reset_index()

   x    y
0  A  a,b
1  B  c,g
2  C    g

【讨论】：