Python 将带分隔符（'；&'；）的字符串的单列转换为基于字符串值的带二进制值的多列

我有一百万条带列的数据帧记录，其中包含多个组合字符串，以分隔符作为分隔符

在所需的数据框中，我需要保留该列，并让多个列承载分隔的字符串作为列标题，并基于行中可用的组合使用二进制值

这需要与其他特征相结合，为模型估计器提供信息

随函附上数据样本供参考

x.head(20)
Genres
793754  Drama|Sci-Fi
974374  Drama|Romance
950027  Horror|Sci-Fi
998553  Comedy
757593  Action|Thriller
943002  Comedy|Romance
699895  Drama|Romance
228740  Animation|Comedy|Thriller
365470  Comedy
174365  Comedy|Fantasy
827401  Drama
75922   Comedy|Drama
934548  Animation|Children's|Comedy|Musical|Romance
281451  Comedy|Sci-Fi
694344  Sci-Fi
731063  Action|Adventure
978029  Animation|Comedy
283943  Drama|Sci-Fi|Thriller
961082  Action|Adventure|Fantasy|Sci-Fi
778922  Action|Crime|Romance

所需的列（18个）通过独特的功能从整个数据中提取为列表，并根据行字符串数据填充二进制0或1

genre_movies=list(genre_movies.stack().unique())
genre_movies
['Drama',
 'Animation',
 "Children's",
 'Musical',
 'Romance',
 'Comedy',
 'Action',
 'Adventure',
 'Fantasy',
 'Sci-Fi',
 'War',
 'Thriller',
 'Crime',
 'Mystery',
 'Western',
 'Horror',
 'Film-Noir',
 'Documentary']

---

我是熊猫的新手，非常感谢您的帮助。

请检查这是否是您想要的： （我必须手动输入类型，所以我只在那里放了3行）

代码是：

import pandas as pd 
df = pd.DataFrame( {
                    'Genres' : ['Drama|Sci-Fi', 'Drama|Romance' , 'Horror|Sci-Fi']
                    },
                    index = [793754, 974374, 950027] , 
                    )
genre_movies=list(df.Genres.unique())
genre_movies2  = [words for segments in genre_movies for words in segments.split('|')]
# get a list of unique genres

for genre in genre_movies2:
    df[genre] = df.Genres.str.contains(genre, regex=False)

@Ins_hunter建议的方法2 使用

.get_dummies（）

方法

df2 = df.Genres.str.get_dummies(sep='|')

Action  Adventure   Animation   Children's  Comedy  Crime   Documentary Drama   Fantasy Film-Noir   Horror  Musical Mystery Romance Sci-Fi  Thriller    War Western
0   0   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0
1   0   0   1   1   0   0   0   0   0   0   0   1   0   0   0   0   0   0
2   0   0   0   0   0   0   0   0   0   0   0   1   0   1   0   0   0   0
3   0   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0
4   0   0   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
1000204 0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0
1000205 0   0   0   0   0   0   0   1   0   0   0   0   0   1   0   0   1   0
1000206 0   0   0   0   1   0   0   1   0   0   0   0   0   0   0   0   0   0
1000207 0   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0
1000208 0   0   0   1   0   0   0   1   1   0   0   0   0   0   1   0   0   0
1000209 rows × 18 columns

它可以合并回原始数据

df3 = pd.concat([df, df2], axis=1)

---

@谢谢你的回复。是的，我需要同样的方式，但作为1和0，我们总共有18个这样的功能（所以18或17列）与二进制值。完整的数据集有一百万个观察值。@fenixano-我尝试了我现有的生成的唯一值列表-流派电影。代码如下。对于类型电影中的类型：x['Genres']=x['Genres'].str.contains（genre，regex=False），但出现如下错误。“AttributeError:只能使用带字符串值的.str访问器！”。感谢您的指导，请总结……感谢您的回复。是的，我需要以同样的方式，但作为1和0（所以18或17列）的二进制值。尝试使用我现有生成的唯一值列表-流派电影。代码如下。对于类型电影中的类型：x['Genres']=x['Genres'].str.contains（genre，regex=False），但出现如下错误。“AttributeError:只能使用带字符串值的.str访问器！”。请感谢您的指导，得出结论…@Ins\u hunter 1，True等于1，False等于0，您可以用同样的方法求和。如果您特别需要int 1和0，可以使用

.astype（int）

2，您没有提供数据，因此我无法获得18列，我手动输入4作为演示。3，您得到了错误，因为代码在for循环中，所以您不能单独运行它。如果您至少可以提供我可以导入python的数据帧片段，那么我可以直接修改代码，以便您可以运行它。否则您需要自己修改它。我不知道你的数据帧是被命名为“x”还是“电影类型”之类的else@fenixano-感谢您的回复。已更新数据框的详细信息。在粘贴过程中，结构发生了变形，对此深表歉意。试图运行KNN，但当我运行y_pred=KNN.predict（X_test）语句时，系统被挂起

df3 = pd.concat([df, df2], axis=1)