我正在使用 pd.get_dummies 预处理我的数据集,但结果不是我需要的。
使用 pd.get_dummies() 是否正确? 或者我可以尝试的任何方法?
import pandas as pd
rawdataset=[['apple','banana','carrot','daikon','egg'],
['apple','banana'],
['apple','banana','carrot'],
['daikon','egg','fennel'],
['apple','banana','daikon']]
dataset=pd.DataFrame(data=rawdataset)
print(pd.get_dummies(dataset))
我希望它看起来像这样:
apple banana carrot daikon egg fennel
0 1 1 1 1 1 0
1 1 1 0 0 0 0
........
不是这样的:
0_apple 0_daikon 1_banana 1_egg 2_carrot 2_daikon 2_fennel
0 1 0 1 0 1 0 0
1 1 0 1 0 0 0 0
....
请您参考如下方法:
给猫剥皮的不同方法。
pd.get_dummies 和 max
pd.get_dummies(dataset, prefix="", prefix_sep="").max(level=0, axis=1)
apple daikon banana egg carrot fennel
0 1 1 1 1 1 0
1 1 0 1 0 0 0
2 1 0 1 0 1 0
3 0 1 0 1 0 1
4 1 1 1 0 0 0
堆栈、str.get_dummies 和sum/max:
df.stack().str.get_dummies().sum(level=0)
apple banana carrot daikon egg fennel
0 1 1 1 1 1 0
1 1 1 0 0 0 0
2 1 1 1 0 0 0
3 0 0 0 1 1 1
4 1 1 0 1 0 0
堆栈 和交叉表
u = df.stack()
pd.crosstab(u.index.get_level_values(0), u)
col_0 apple banana carrot daikon egg fennel
row_0
0 1 1 1 1 1 0
1 1 1 0 0 0 0
2 1 1 1 0 0 0
3 0 0 0 1 1 1
4 1 1 0 1 0 0
