第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號(hào)安全，請(qǐng)及時(shí)綁定郵箱和手機(jī)立即綁定
已解決430363個(gè)問(wèn)題，去搜搜看，總會(huì)有你想問(wèn)的

我需要將列列表中的每個(gè)元素轉(zhuǎn)換為 python pandas 中的新列

我需要將列列表中的每個(gè)元素轉(zhuǎn)換為 python pandas 中的新列

慕的地6264312 2023-09-19 17:04:53
我有一個(gè) Python 數(shù)據(jù)框，如下所示：   Name   Hobbies0  Paul   ["Watch_NBA", "Play_PS4"]1  Jeff   ["Play_hockey", "Read", "Play_PS4"]2  Kyle   ["Sleep", "Watch_NBA"]我需要將列表中的每個(gè)元素轉(zhuǎn)換到新列中，如果它出現(xiàn)在原始列表中，則分配值 0 或 1。結(jié)果顯示如下：   Name   Watch_NBA  Play_PS4 Play_hockey Read Sleep0  Paul       1          1        0        0     01  Jeff       0          1        1        1     02  Kyle       1          0        0        0     1有人知道我怎么能做到這一點(diǎn)。請(qǐng)記住，我將在專(zhuān)欄中使用很多愛(ài)好，因此它顯示出一點(diǎn)自動(dòng)化而不是硬編碼。謝謝！??！
查看完整描述

4 回答

?
阿波羅的戰(zhàn)車(chē)

TA貢獻(xiàn)1862條經(jīng)驗(yàn) 獲得超6個(gè)贊

get_dummies()很好，但sklearn's?MultiLabelBinarizer有更好的性能：


from sklearn.preprocessing import MultiLabelBinarizer


mlb = MultiLabelBinarizer()

a = mlb.fit_transform(df["Hobbies"])

df_expanded = pd.DataFrame(a, columns=mlb.classes_, index=df.index)


# merge them using the following:

df_merged = df.merge(df_expanded, left_index=True, right_index=True)


print(df_merged)


index? ?Name? ? Hobbies? ? ? ? ? ? ? ? ? ? ? ? ?Play_PS4? ? Play_hockey Read? ? Sleep? ?Watch_NBA

0? ? ? ?Paul? ? [Watch_NBA, Play_PS4]? ? ? ? ? ?1? ? ? ? ? ?0? ? ? ? ? ?0? ? ? ?0? ? ? ?1

1? ? ? ?Jeff? ? [Play_hockey, Read, Play_PS4]? ?1? ? ? ? ? ?1? ? ? ? ? ?1? ? ? ?0? ? ? ?0

2? ? ? ?Kyle? ? [Sleep, Watch_NBA]? ? ? ? ? ? ? 0? ? ? ? ? ?0? ? ? ? ? ?0? ? ? ?1? ? ? ?1



查看完整回答
反對(duì) 回復(fù) 2023-09-19
?
慕姐4208626

TA貢獻(xiàn)1852條經(jīng)驗(yàn) 獲得超7個(gè)贊

In [86]: df                                                                                                                                                                                                                                                                      

Out[86]: 

   Name              Hobbies

0  Paul           [NBA, PS4]

1  Jeff  [Hockey, Read, PS4]

2  Kyle         [Sleep, NBA]


In [87]: df['dummy'] = 1                                                                                                                                                                                                                                                         


In [88]: df.explode("Hobbies").pivot(index='Name', columns='Hobbies', values='dummy').fillna(value=0)                                                                                                                                                                            

Out[88]: 

Hobbies  Hockey  NBA  PS4  Read  Sleep

Name                                  

Jeff        1.0  0.0  1.0   1.0    0.0

Kyle        0.0  1.0  0.0   0.0    1.0

Paul        0.0  1.0  1.0   0.0    0.0


查看完整回答
反對(duì) 回復(fù) 2023-09-19
?
子衿沉夜

TA貢獻(xiàn)1828條經(jīng)驗(yàn) 獲得超3個(gè)贊

你想要get_dummies()方法。

對(duì)于你的例子：

names = df.Name

df = pd.get_dummies(df.Hobbies.apply(pd.Series).stack()).sum(level=0)

df.insert(0, 'Name', names)


#output:

? ?Name? Play_PS4? Play_hockey? Read? Sleep? Watch_NBA

0? Paul? ? ? ? ?1? ? ? ? ? ? 0? ? ?0? ? ? 0? ? ? ? ? 1

1? Jeff? ? ? ? ?1? ? ? ? ? ? 1? ? ?1? ? ? 0? ? ? ? ? 0

2? Kyle? ? ? ? ?0? ? ? ? ? ? 0? ? ?0? ? ? 1? ? ? ? ? 1


查看完整回答
反對(duì) 回復(fù) 2023-09-19
?
炎炎設(shè)計(jì)

TA貢獻(xiàn)1808條經(jīng)驗(yàn) 獲得超4個(gè)贊

你可以試試這個(gè)：


n = df['Name']

df = df['Hobbies'].apply(lambda x: pd.Series([1] * len(x), index=x)).fillna(0, downcast='infer')

df.insert(0, 'Name', n)

print(df)

輸出：


   Name  Watch_NBA  Play_PS4  Play_hockey  Read  Sleep

0  Paul          1         1            0     0      0

1  Jeff          0         1            1     1      0

2  Kyle          1         0            0     0      1


查看完整回答
反對(duì) 回復(fù) 2023-09-19
  • 4 回答
  • 0 關(guān)注
  • 173 瀏覽
慕課專(zhuān)欄
更多

添加回答

舉報(bào)

0/150
提交
取消
微信客服

購(gòu)課補(bǔ)貼
聯(lián)系客服咨詢優(yōu)惠詳情

 幫助反饋 APP下載

慕課網(wǎng)APP
您的移動(dòng)學(xué)習(xí)伙伴

 公眾號(hào)

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號(hào)