在Pandas中，我有一个Excel文件（称为Data），有12列，在第7列（称为Operations）中，每行有许多字符串（有些重复），由逗号和空格分隔，但有一些字符串仅由空格分隔，我想留在一起（stringA，我的字符串，B我的字符串C，等等）。
我需要创建一个列表或类似的东西，并将每个唯一的字符串转换为二进制，如
我怎么能做到这一点？我已经尝试了这么多的代码，但没有工作。提前感谢
wvt8vs2t1#
使用str.get_dummies。如果分隔符始终为<comma><space>：
str.get_dummies
<comma><space>
out = df.join(df['Column 7th'].str.get_dummies(sep=r', '))
否则，将其与str.replace组合：
str.replace
out = df.join(df['Column 7th'] .str.replace(r',\s*', '|', regex=True) .str.get_dummies())
输出：
Column 7th my string2 my string5 string1 string3 string4 string6 0 string1, my string2, string3 1 0 1 1 0 0 1 string4, my string5, string1 0 1 1 0 1 0 2 string6, string1, my string5 0 1 1 0 0 1
sqougxex2#
我会做的是，首先将该列转换为列表。你可以使用appy或iterrow创建函数。
my_list = my_string.split(",")
一旦它是一个列表，你可以应用它。
from sklearn.preprocessing import MultiLabelBinarizer mlb = MultiLabelBinarizer(sparse_output=True) df = df.join( pd.DataFrame.sparse.from_spmatrix( mlb.fit_transform(df.pop('Column7th')), index=df.index, columns=mlb.classes_))
另一个选择是这样做，但它可能会更慢。
df.drop('Column7th', 1).join(df.Column7th.str.join('|').str.get_dummies())
2条答案
按热度按时间wvt8vs2t1#
使用
str.get_dummies。如果分隔符始终为
<comma><space>：否则，将其与
str.replace组合：输出：
sqougxex2#
我会做的是，首先将该列转换为列表。你可以使用appy或iterrow创建函数。
一旦它是一个列表，你可以应用它。
另一个选择是这样做，但它可能会更慢。