【问题标题】：Create Multiple New Columns Based on Pipe-Delimited Column in Pandas在 Pandas 中基于管道分隔列创建多个新列
【发布时间】：2017-12-28 15:24:01
【问题描述】：

我有一个带有管道分隔列的 pandas 数据框，其中包含任意数量的元素，称为 Parts。这些管道串中的元素数量从 0 到超过 10 个不等。所有管道串中包含的唯一元素的数量并不比行数小很多（这使得我无法手动指定所有这些元素，而创建新列）。

对于每一行，我想创建一个新列，作为管道分隔列表中每个元素的指示变量。例如，如果行

...'Parts'...

...'12|34|56'

应该转化为

...'Part_12' 'Part_34' 'Part_56'...

...1 1 1...

因为它们是许多独特的部分，所以这些列显然是稀疏的 - 大部分是零，因为每一行只包含一小部分独特的部分。

我没有找到任何不需要手动指定列的方法（例如，Pandas Dataframe: split column into multiple columns, right-align inconsistent cell entries）。我也看过 pandas 的融化，但我认为那不是合适的工具。

我知道如何解决它的方法是将原始 CSV 传输到另一个 python 脚本并逐个字符地处理它，但我需要在现有脚本中工作，因为我将处理数百个以这种方式保存 CSV。

这里有一个更好的数据说明

ID YEAR AMT PARTZ

1202 2007 99.34

9321 1988 1012.99 2031|8942

2342 2012 381.22 1939|8321|Amx3

【问题讨论】：

【解决方案1】：

您可以使用get_dummies 和add_prefix：

df.Parts.str.get_dummies().add_prefix('Part_')

输出：

   Part_12  Part_34  Part_56
0        1        1        1

编辑评论和计算重复项。

df = pd.DataFrame({'Parts':['12|34|56|12']}, index=[0])
pd.get_dummies(df.Parts.str.split('|',expand=True).stack()).sum(level=0).add_prefix('Part_')

输出：

   Part_12  Part_34  Part_56
0        2        1        1

【讨论】：

这真的很优雅。但是，它似乎不计算重复项（例如 12|12|34）
@MikePalmice pd.get_dummies(df.Parts.str.split('|',expand=True).stack()).sum(level=0).add_prefix('Part_')
这两种解决方案产生了不同维度的数据框——特别是第二种解决方案的行数为 25%。索引是 0,3,6,7,9 等
您介意用更可靠的数据开始一个新问题吗？
没问题，这是链接-stackoverflow.com/questions/48014555/…。我注意到排除的索引对于Parts 有空值。因此，您修改后的解决方案的唯一“问题”是它产生 NaN 而不是 0。但是，在所有以“Part_”开头的列中，用 0 替换 NaN 应该很容易。（在 Excel 中而不是从 shell 中检查结果是我的错误！）