Python 将一个热编码与多个相似列合并

我在数据集中有几个“条件”列。这些列都有资格接收相同的编码输入。这只是为了允许多个条件与单个记录相关联——代码最后出现的列没有任何意义

在下面的示例中，在3个条件列中只有5个唯一值，尽管如果分别考虑每个列，则每个都有3个唯一值。因此，当我将一个热编码应用于这些变量时，我得到了9个新列，但我只需要5个（一个用于集合列中的每个唯一值）

以下是原始数据的示例：

| cond1 | cond2 | cond3 | target |
|-------|-------|-------|--------|
| I219  | E119  | I48   | 1      |
| I500  |       |       | 0      |
| I48   | I500  | F171  | 1      |
| I219  | E119  | I500  | 0      |
| I219  | I48   |       | 0      |

以下是我尝试过的：

import pandas as pd
df = pd.read_csv('micro.csv', dtype='object')
df['cond1'] = pd.Categorical(df['cond1'])
df['cond2'] = pd.Categorical(df['cond2'])
df['cond3'] = pd.Categorical(df['cond3'])

dummies = pd.get_dummies(df[['cond1', 'cond2', 'cond3']], prefix = 'cond')
dummies

这给了我：

| cond_I219 | cond_I48 | cond_I500 | cond_E119 | cond_I48 | cond_I500 | cond_F171 | cond_I48 | cond_I500 |
|-----------|----------|-----------|-----------|----------|-----------|-----------|----------|-----------|
| 1         | 0        | 0         | 1         | 0        | 0         | 0         | 1        | 0         |
| 0         | 0        | 1         | 0         | 0        | 0         | 0         | 0        | 0         |
| 0         | 1        | 0         | 0         | 0        | 1         | 1         | 0        | 0         |
| 1         | 0        | 0         | 1         | 0        | 0         | 0         | 0        | 1         |
| 1         | 0        | 0         | 0         | 1        | 0         | 0         | 0        | 0         |

因此，对于出现在多个列（I48和I500）中的任何代码，我都有多个编码列。。我希望每个代码只包含一列，这样我就可以检查各个代码和目标变量之间的相关性

有办法做到这一点吗？这就是我想要的结果：

| cond_I219 | cond_I48 | cond_I500 | cond_E119 | cond_F171 |
|-----------|----------|-----------|-----------|-----------|
| 1         | 1        | 0         | 1         | 0         |
| 0         | 0        | 1         | 0         | 0         |
| 0         | 1        | 1         | 0         | 1         |
| 1         | 0        | 1         | 1         | 0         |
| 1         | 1        | 0         | 0         | 0         |

---

如果需要，在输出中获取

max

值

1

和

0

数据：

dfDummies = dummies.max(axis=1, level=0)

如果需要计数

1

值，则使用

sum

：

dfDummies = dummies.sum(axis=1, level=0)

---

谢谢你，这很好用！尽管我认为您打算在右侧使用“dummies”：dfDummies=dummies.max（axis=1，level=0）