Python 将非唯一列表的列转换为具有填充项的列名

我有一个数据框

数据：

import pandas as pd
data = pd.DataFrame({"col1" : ['1_xy','2_xy','3_xy','4_xy','5_xy'], 
                     "col2" : [['a', 'b', 'c'], 
                               ['d', 'e', 'f', 'g', 'h', 'i'], 
                               ['a', 'j', 'k'], 
                               ['a', 'b', 'd'], 
                               ['a', 'l', 'm']]})

输出：

    col1    col2
0   1_xy    [a, b, c]
1   2_xy    [d, e, f, g, h, i]
2   3_xy    [a, j, k] 
3   4_xy    [a, b, d]
4   5_xy    [a, l, m]

    col1    a   b   c   d   e   f   g   h   i   j   k   l   m
0   1_xy    1   1   1   0   0   0   0   0   0   0   0   0   0
1   2_xy    0   0   0   1   1   1   1   1   1   0   0   0   0
2   3_xy    1   0   0   0   0   0   0   0   0   1   1   0   0
3   4_xy    1   1   0   1   0   0   0   0   0   0   0   0   0
4   5_xy    1   0   0   0   0   0   0   0   0   0   0   1   1

我正在尝试将此数据帧转换为如下所示的数据帧：

import re
new_data = pd.DataFrame({'col1': ['1_xy','2_xy','3_xy','4_xy','5_xy'],
                     'a' : [1,0,1,1,1], 'b' : [1,0,0,1,0],
                     'c' : [1,0,0,0,0], 'd' : [0,1,0,1,0],
                     'e' : [0,1,0,0,0], 'f' : [0,1,0,0,0],
                     'g' : [0,1,0,0,0], 'h' : [0,1,0,0,0],
                     'i' : [0,1,0,0,0], 'j' : [0,0,1,0,0],
                     'k' : [0,0,1,0,0], 'l' : [0,0,0,0,1],
                     'm' : [0,0,0,0,1]})
new_data[["col1"] + [name for name in new_data.columns if not re.search("col1", name)]]

输出：

    col1    col2
0   1_xy    [a, b, c]
1   2_xy    [d, e, f, g, h, i]
2   3_xy    [a, j, k] 
3   4_xy    [a, b, d]
4   5_xy    [a, l, m]

    col1    a   b   c   d   e   f   g   h   i   j   k   l   m
0   1_xy    1   1   1   0   0   0   0   0   0   0   0   0   0
1   2_xy    0   0   0   1   1   1   1   1   1   0   0   0   0
2   3_xy    1   0   0   0   0   0   0   0   0   1   1   0   0
3   4_xy    1   1   0   1   0   0   0   0   0   0   0   0   0
4   5_xy    1   0   0   0   0   0   0   0   0   0   0   1   1

i、 e.新数据框的列由

data.col2

列表中的唯一值组成，值由列表中某个条目对应的值填充

到目前为止，我一直在玩弄

pandas.get_dummies

，但它创建了我无法控制的虚假列

我试图对其执行此操作的实际数据非常高（许多行），因此内存“可能”是一个问题，但欢迎所有解决方案。我应该补充一点，我已经准备好了一个变通方法，它使用字典方法——但不幸的是，它非常缓慢。希望任何人以前见过这个问题，可以提供帮助

---

我目前正在使用python v3.4和pandas v0.14.1（我知道…

您可以尝试获取虚拟对象，方法是使用参数以获得正确的列名称：

df = pd.get_dummies(data.col2.apply(pd.Series), prefix='', prefix_sep='')
pd.concat([data['col1'], df], axis=1)

Out[31]:
   col1  a  d  b  e  j  l  c  d  f  k  m  g  h  i
0  1_xy  1  0  1  0  0  0  1  0  0  0  0  0  0  0
1  2_xy  0  1  0  1  0  0  0  0  1  0  0  1  1  1
2  3_xy  1  0  0  0  1  0  0  0  0  1  0  0  0  0
3  4_xy  1  0  1  0  0  0  0  1  0  0  0  0  0  0
4  5_xy  1  0  0  0  0  1  0  0  0  0  1  0  0  0

---

如何使用

get_dummies

？@IanS我是这样使用的：df=data[“col2”].str.get_dummies（sep=“，”），有时它似乎可以工作，但我一直发现重复的列甚至彼此不匹配（我认为这是应该的，我使用的命令是错误的）我应该注意到，我还没有在我的玩具示例上尝试过这个命令。谢谢你的建议，但是当我尝试它时，它会抛出ValueError异常。您使用的是哪个版本的pandas？版本0.15.2，是在应用或获取虚拟机上出现问题吗？“应用”对我来说很有效（我自己最近一直遵循这条路径，它返回了一些有希望的结果。）是获取虚拟机抛出了异常。我得到：“TypeError:'numpy.int64'对象不可编辑”。我想我可能不得不玩弄类型——或者我弄错了吗？我还应该说我也得到了以下信息：“ValueError:无法将输入数组从形状（5,6）广播到形状（5）”我切换到了另一个版本的pandas（0.16.2），然后它对我起了作用。这似乎是熊猫的版本特定问题。我不确定是否接受你的答案，即使它确实适用于更成熟版本的熊猫。我自己的想法倾向于是的。。。