如何从包含集合的 pandas 列转置和转换为“one-hot-encode”样式？

Posted 2023-03-12

【中文标题】如何从包含集合的 pandas 列转置和转换为“one-hot-encode”样式？

【英文标题】：How to transpose and transform to "one-hot-encode" style from a pandas column containing a set?

【发布时间】：2019-06-12 03:58:54

【问题描述】：

我想像 question 一样对 pandas 列进行分解：

我想转置然后“one-hot-encode”样式。例如，取数据帧 df

Col1           Col2
 C      Apple, Orange, Banana
 A      Apple, Grape
 B      Banana

我想转换它并得到：

df

Col1        C   A   B   
Apple       1   1   0
Orange      1   0   0
Banana      1   0   1
Grape       0   1   0

如何使用 pandas/Sklearn 来实现这一点？

【问题讨论】：

您可以一次性编码（如您的链接答案），然后转置df = df.T

【参考方案1】：

这是一个可能的答案（假设 Col1 是您的索引）：

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
one_hot_encoded = pd.DataFrame(mlb.fit_transform(df['Col2']), columns=mlb.classes_, index=df.index)
one_hot_encoded.T

【参考方案2】：

您可以转换多热编码输出本身，然后创建一个数据帧。

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
pd.DataFrame(mlb.fit_transform(df['Col2']).T, columns=df.Col1, index= mlb.classes_)

输出：

Col1    C   A   B
Apple   1   1   0
Banana  1   0   1
Grape   0   1   0
Orange  1   0   0

注意：我们仍然不能将其称为一种热编码。它是多热编码，但采用转换形式。

Examples