2

我有一个字典，其中键作为我的客户 ID，值作为我的电影 ID。尽管客户已经多次观看同一部电影，但我希望它成为一部。在这里，我需要将我的字典转换为二进制数据。在所有行中，我需要客户 ID 和列作为电影 ID，如果客户看过电影，则为 1，否则为 0。

d = {'121212121' : 111, 222, 333, 333,444, 444, '212121212' : 222, 555, 555, 666, '212123322' : 555, 666, 666, 666, 777}

期望的输出：

customer ID 111 222 333 444 555 666 777
121212121   1   1   1   1   0   0   0
212121212   0   1   0   0   1   1   0
121323231   0   0   0   0   1   1   1

我试过使用计数向量器（）

代码 ：

cv = CountVectorizer()
movies = cv.fit_transform(cust['movies_list'])
cols = cv.vocabulary_
movies_ = pd.DataFrame(movies.toarray(), columns = cols, index = 
cust['customer_id'])
movies_

输出 ：

customer ID 111 222 333 444 555 666 777
212121212   1   1   2   2   0   0   0
121212121   0   1   0   0   2   1   0
121323231   0   0   0   0   1   3   1

客户 ID 非常匹配，我数了一下他看了多少次电影。

4

1 回答 1

1

看起来您可以只使用clip_upper将正值剪裁为 1。

movies_.clip_upper(1)

           111  222  333  444  555  666  777
121212121    1    1    1    1    0    0    0
212121212    0    1    0    0    1    1    0
212123322    0    0    0    0    1    1    1

这是一个以d. 您可以使用pd.get_dummies, 后跟clip_upper.

import pandas as pd
df = pd.concat([
          pd.Series(v, name=k).astype(str) for k, v in d.items()  # `d` is your dict
     ], 
     axis=1
)
pd.get_dummies(df.stack()).sum(level=1).clip_upper(1)

           111  222  333  444  555  666  777
121212121    1    1    1    1    0    0    0
212121212    0    1    0    0    1    1    0
212123322    0    0    0    0    1    1    1
于 2018-02-07T06:26:06.020 回答