Come codificare binaria multivalore variabile categoriale da Panda dataframe?

Question

Supponiamo di avere il seguente dataframe con più valori per una determinata colonna:

    categories
0 - ["A", "B"]
1 - ["B", "C", "D"]
2 - ["B", "D"]

Come si può ottenere un tavolo come questo?

   "A"  "B"  "C"  "D"
0 - 1    1    0    0
1 - 0    1    1    1
2 - 0    1    0    1

. Nota: non ho necessariamente bisogno di una nuova dataframe, mi chiedo come trasformare tali DataFrames in un formato più adatto per l'apprendimento automatico

Answer 1

Se [0, 1, 2] sono etichette numeriche e non è l'indice, quindi opere pandas.DataFrame.pivot_table:

In []:
data = pd.DataFrame.from_records(
    [[0, 'A'], [0, 'B'], [1, 'B'], [1, 'C'], [1, 'D'], [2, 'B'], [2, 'D']],
    columns=['number_label', 'category'])
data.pivot_table(index=['number_label'], columns=['category'], aggfunc=[len], fill_value=0)

Out[]:
              len
category      A      B      C      D
number_label                       
0             1      1      0      0
1             0      1      1      1
2             0      1      0      1

Questo post è stato utile: http://pbpython.com/pandas-pivot- tavolo-explained.html

---

Se [0, 1, 2] è l'indice, poi collections.Counter è utile:

In []:
data2 = pd.DataFrame.from_dict(
    {'categories': {0: ['A', 'B'], 1: ['B', 'C', 'D'], 2:['B', 'D']}})
data3 = data2['categories'].apply(collections.Counter)
pd.DataFrame.from_records(data3).fillna(value=0)

Out[]:
       A      B      C      D
0      1      1      0      0
1      0      1      1      1
2      0      1      0      1