跨多列的单热编码 - 但作为一组答案

【问题标题】：One-hot encoding across multiple columns - but as one group跨多列的单热编码 - 但作为一组
【发布时间】：2020-11-04 08:16:17
【问题描述】：

我有一个 Python Pandas 数据框：

Name Item1 Item2 Item3
John Sword
Mary Shield Ring
Doe  Ring Sword

期望的输出：

Name Item-Sword Item-Shield Item-Ring
John   1           0             0
Mary   0           1             1
Doe    1           0             1

这有什么方法可以在手动处理之外实现吗？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

使用get_dummies 和转换Name 列来索引并仅删除缺失值列，然后在输出中使用max 仅0,1 值，添加前缀并将索引转换为列：

df = (pd.get_dummies(df.set_index('Name')
                     .dropna(axis=1, how='all'), prefix='', prefix_sep='')
       .max(axis=1, level=0)
       .add_prefix('Item-')
       .reset_index())
print (df)
   Name  Item-Ring  Item-Shield  Item-Sword
0  John          0            0           1
1  Mary          1            1           0
2   Doe          1            0           1

melt 和 crosstab 的替代方案 - @sammywemmy 解决方案，drop_duplicates：

df1 = (df.melt("Name")
        .assign(value=lambda x: "Item-" + x.value)
        .drop_duplicates(['Name','value']))
df1 = pd.crosstab(df1.Name, df1.value)
print (df1)
value  Item-Ring  Item-Shield  Item-Sword
Name                                     
Doe            1            0           1
John           0            0           1
Mary           1            1           0

【讨论】：

【解决方案2】：

DataFrame.melt + DataFrame.groupby 的另一种解决方案

new_df = (df.melt('Name').groupby(['Name', 'value'])
            .count()
            .clip(0, 1)
            .unstack('value', fill_value=0)
            .droplevel(0, axis=1)
            .add_prefix('Item-')
            .rename_axis(columns=None)
            .reset_index())
print(new_df)

或DataFrame.pivot_table

df2 = df.melt('Name')
new_df = (df2.pivot_table(index='Name', columns='value', values='variable', 
                          aggfunc='any', fill_value=0)
             .astype(int)
             .add_prefix('Item-')
             .rename_axis(columns=None)
             .reset_index())
print(new_df)

输出

   Name  Item-Ring  Item-Shield  Item-Sword
0   Doe          1            0           1
1  John          0            0           1
2  Mary          1            1           0

【讨论】：

现在检查:) @jezrael
是的，现在更好

【解决方案3】：

如果将索引设置为"Name"，然后将stack() 数据设置为单个Series，则可以使用pd.get_dummies 对数据进行编码。然后你需要使用max 来获得每个"Name" 的最大值（这个逻辑归结为：我们不关心"Mary" 是否有一个环作为项目1 或项目2，只要她有一个环）。完成后，我们可以通过添加前缀并将索引重置回DataFrame来进行整理

out = (df.set_index("Name")
       .stack()
       .pipe(pd.get_dummies)
       .max(level="Name")
       .add_prefix("Item-")
       .reset_index())

print(out)
   Name  Item-Ring  Item-Shield  Item-Sword
0  John          0            0           1
1  Mary          1            1           0
2   Doe          1            0           1

【讨论】：