将一串类别拆分为特定的数据框列[重复]

Posted 2023-03-12

【中文标题】将一串类别拆分为特定的数据框列[重复]

【英文标题】：Split a string of category into specific Dataframe columns [duplicate]

【发布时间】：2020-12-14 10:54:37

【问题描述】：

我有一个Dataframe 列，包含以下类别：

    data = 'People': ['John','Mary','Andy','April'], 
             'Class': ['Math, Science','English, Math, Science','Math, Science','Science, English, Math']
    
    df = pd.DataFrame(data, columns = ['People', 'Class'])

如何创建新列并将Dataframe 转换为：

> | People | Math | Science | English |
> ------------------------------------- 
> | John   | Math | Science |         | 
> | Mary   | Math | Science | English | 
> | Andy   | Math | Science |         |
> | April  | Math | Science | English |

【问题讨论】：

这能回答你的问题吗？ How to split a column into two columns?

【参考方案1】：

使用.get_dummies 获取Class 列的1 和0 表 使用np.where 将1 替换为列名，将0 替换为空字符串。 df.Class.str.get_dummies(', ').apply(lambda x: np.where(x == 1, x.name, '')) 创建一个单独的数据框，我们使用 .join 将其组合回 df。 .drop Class 列，不需要。

import pandas as pd
import numpy as np

updated = df.join(df.Class.str.get_dummies(', ').apply(lambda x: np.where(x == 1, x.name, ''))).drop(columns=['Class'])

# display(updated)
  People  English  Math  Science
0   John           Math  Science
1   Mary  English  Math  Science
2   Andy           Math  Science
3  April  English  Math  Science

【讨论】：

很好用傻瓜:)

【参考方案2】：

以下代码可能对您有所帮助

columns = set([x for lst in df['Class'] for x in lst.replace(" ", "").split(",") ])
for col in columns:
  df[col] = ""*len(df)

for i, val in enumerate(df["Class"]):
  cl = val.replace(" ", "").split(",")
  print(cl)
  for value in cl:
    df.loc[i][value] = value
df.drop('Class', axis=1, inplace=True)

输出：

    People  Science English Math
0   John    Science         Math
1   Mary    Science English Math
2   Andy    Science         Math
3   April   Science English Math

【参考方案3】：

这是一个解决方案，

# Strip-out white spaces before `,\s+`, use dummies to create categorical variable

df = df.set_index('People')

dummies = (
    df.Class.str.replace(',\s+', ",", regex=True)
        .str.get_dummies(sep=",")
)

   English  Math  Science
0        0     1        1
1        1     1        1
2        0     1        1
3        1     1        1

# Create a "hash map" to substitute categorical data
replace_ = i : j for i, j in enumerate(dummies.columns, 1)

# multiply keys with & replace to fill in the column values.
dummies.mul(list(replace_.keys())).replace(replace_)

---

        English  Math  Science
People                        
John          0  Math  Science
Mary    English  Math  Science
Andy          0  Math  Science
April   English  Math  Science