我有一个包含 28 列的电影数据集。其中之一是流派。对于该数据集中的每一行，列类型的值的形式为“动作|动画|喜剧|家庭|幻想”。我想使用 pandas.get_dummies() 对它们进行编码，但由于列有多个值，如何处理这种情况？以下链接的附加信息（问题从stackoverflow移动） https://stackoverflow.com/q/40331558/4028904
单个特征的多个分类值如何使用python将它们转换为二进制
数据挖掘
机器学习
Python
scikit-学习
2021-10-11 05:23:33
1个回答
我从以下数据集开始：
import pandas as pd
data = pd.DataFrame({'title': ['Avatar', 'Pirates', 'Spectre', 'Batman'],
'genres': ['Action|Adventure|Fantasy|Sci-Fi',
'Action|Adventure|Fantasy',
'Action|Adventure|Thriller',
'Action|Thriller']},
columns=['title', 'genres'])
title genres
0 Avatar Action|Adventure|Fantasy|Sci-Fi
1 Pirates Action|Adventure|Fantasy
2 Spectre Action|Adventure|Thriller
3 Batman Action|Thriller
首先，您希望将数据保存在一个结构中，一次将标题与一种类型配对，每个标题多行。您可以通过这样的系列获得它：
cleaned = data.set_index('title').genres.str.split('|', expand=True).stack()
title
Avatar 0 Action
1 Adventure
2 Fantasy
3 Sci-Fi
Pirates 0 Action
1 Adventure
2 Fantasy
Spectre 0 Action
1 Adventure
2 Thriller
Batman 0 Action
1 Thriller
dtype: object
（我们不想要一个额外的索引级别，但我们很快就会摆脱它。）get_dummies现在可以工作了，但它一次只能在一行上工作，所以我们需要重新聚合标题：
pd.get_dummies(cleaned, prefix='g').groupby(level=0).sum()
g_Action g_Adventure g_Fantasy g_Sci-Fi g_Thriller
title
Avatar 1.0 1.0 1.0 1.0 0.0
Batman 1.0 0.0 0.0 0.0 1.0
Pirates 1.0 1.0 1.0 0.0 0.0
Spectre 1.0 1.0 0.0 0.0 1.0
其它你可能感兴趣的问题