数据挖掘 - 将字符串转换为虚拟编码变量 - 吾爱随笔录

这是数据

PlayerID, Characters, Win or Lose

我可以让它看起来像这样

8PYPY0LLQ,valkyrie5 ,  chr_witch4 ,  hog_rider5 ,  zapMachine1 ,  mega_minion3 ,  baby_dragon2 ,  bomber7 ,  skeleton_horde1, 0

或者像这样

2GRG822L9,"barbarians8, valkyrie5, chr_balloon3, fire_spirits8, minion8, firespirit_hut6, rage4, skeleton_horde3,",1

第二列是 70+ n 个字符的 8 个字符组合。

我需要将变量编码为虚拟变量，因此每个字符都有自己的列。有没有办法在 python/R 中做到这一点？我假设您必须将第二列保留为字符串，而不是输出看起来像这样的 csv 文件。

2GRG822L9,barbarians8, valkyrie5, chr_balloon3, fire_spirits8, minion8, firespirit_hut6, rage4, skeleton_horde3,1
8PYPY0LLQ,valkyrie5 ,  chr_witch4 ,  hog_rider5 ,  zapMachine1 ,  mega_minion3 ,  baby_dragon2 ,  bomber7 ,  skeleton_horde1,0

在虚拟编码之前它应该看起来像这样（我可以去掉字符串中的逗号）

2GRG822L9,"barbarians8, valkyrie5, chr_balloon3, fire_spirits8, minion8, firespirit_hut6, rage4, skeleton_horde3,",1
8PYPY0LLQ,"valkyrie5 ,  chr_witch4 ,  hog_rider5 ,  zapMachine1 ,  mega_minion3 ,  baby_dragon2 ,  bomber7 ,  skeleton_horde1,",0

from pandas import DataFrame data = [('2GRG822L9',"barbarians8,valkyrie5,chr_balloon3,fire_spirits8,minion8,firespirit_hut6,rage4,skeleton_horde3",1), ('8PYPY0LLQ',"valkyrie5,chr_witch4,hog_rider5,zapMachine1,mega_minion3,baby_dragon2,bomber7,skeleton_horde1",0)] df = DataFrame.from_records(data,columns=('PlayerID', 'Characters', 'Result')) df = df.drop('Characters', 1).join(df.Characters.str.get_dummies(','))

PlayerID Result baby_dragon2 barbarians8 bomber7 chr_balloon3 \ 0 2GRG822L9 1 0 1 0 1 1 8PYPY0LLQ 0 1 0 1 0 chr_witch4 fire_spirits8 firespirit_hut6 hog_rider5 mega_minion3 \ 0 0 1 1 0 0 1 1 0 0 1 1 minion8 rage4 skeleton_horde1 skeleton_horde3 valkyrie5 zapMachine1 0 1 1 0 1 1 0 1 0 0 1 0 1 1