list - 熊猫数据帧中的 onHotEncoding 和列表

Question

我有一个熊猫数据框：

import pandas as pd    
d={'col1':[[1,2,3],[4,5,6]],'col2':[[7,8,9],[10,11,12]]}
df=pd.DataFrame(d)

这导致：

但是我想实现一个 onHotEncoder，它将每个列表与 dataFrame 的单元格视为一个字符串，并且我希望它独立地处理每个值。

我将如何实现这一点？我的实际数据框包含 500 个项目的列表，并且有 4000 个唯一值。

Answer 1

我认为您可以stack用于创建Series，然后list转换为stringby astype、remove []bystrip和 last call get_dummies：

df = df.stack().astype(str).str.strip('[]').str.get_dummies(sep=', ')
print (df)
        1  10  11  12  2  3  4  5  6  7  8  9
0 col1  1   0   0   0  1  1  0  0  0  0  0  0
  col2  0   0   0   0  0  0  0  0  0  1  1  1
1 col1  0   0   0   0  0  0  1  1  1  0  0  0
  col2  0   1   1   1  0  0  0  0  0  0  0  0

仅一栏：

df = df['col1'].astype(str).str.strip('[]').str.get_dummies(sep=', ') 
print (df)
   1  2  3  4  5  6
0  1  1  1  0  0  0
1  0  0  0  1  1  1