Python 使用Panda拆分（“提取”）列_Python_Python 3.x_Pandas

Python 使用Panda拆分（“提取”）列

python python-3.x pandas

Python 使用Panda拆分（“提取”）列,python,python-3.x,pandas,Python,Python 3.x,Pandas,我目前有一个名为Country的专栏，其值可以是美国、加拿大、日本。例如： Country ------- Japan Japan USA .... Canada Country --> Country_Japan Country_USA Country_Canada ------- ------------- ----------- --------------- Japan

我目前有一个名为Country的专栏，其值可以是

美国、加拿大、日本

。例如：

Country
-------
Japan
Japan
USA
....
Canada

Country        -->    Country_Japan    Country_USA    Country_Canada
-------               -------------    -----------    ---------------
Japan                        1              0                0
USA                          0              1                0
Japan                        1              0                0
....

我想将这些值分成三个单独的列（

Country\u USA

、

Country\u Canada

和

Country\u Japan

），基本上，如果一个列与Country列中的原始值相匹配，则该列的值将为

。例如：

Country
-------
Japan
Japan
USA
....
Canada

Country        -->    Country_Japan    Country_USA    Country_Canada
-------               -------------    -----------    ---------------
Japan                        1              0                0
USA                          0              1                0
Japan                        1              0                0
....

使用Panda/Python3.x是否有一种简单（不繁琐）的方法来实现这一点？谢谢

与和一起使用：

演示：

df=pd.DataFrame({'Country':['Japan','USA','Japan','Canada']})
print(df.join(df['Country'].str.get_dummies().add_prefix('Country_')))

print(df.join(pd.get_dummies(df)))

print(df.assign(**pd.get_dummies(df)))

输出：

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

更好的版本，感谢Scott:

df=pd.DataFrame({'Country':['Japan','USA','Japan','Canada']})
print(df.join(df['Country'].str.get_dummies().add_prefix('Country_')))

print(df.join(pd.get_dummies(df)))

print(df.assign(**pd.get_dummies(df)))

输出：

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

斯科特的另一个好版本：

df=pd.DataFrame({'Country':['Japan','USA','Japan','Canada']})
print(df.join(df['Country'].str.get_dummies().add_prefix('Country_')))

print(df.join(pd.get_dummies(df)))

print(df.assign(**pd.get_dummies(df)))

输出：

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

与和一起使用：

演示：

df=pd.DataFrame({'Country':['Japan','USA','Japan','Canada']})
print(df.join(df['Country'].str.get_dummies().add_prefix('Country_')))

print(df.join(pd.get_dummies(df)))

print(df.assign(**pd.get_dummies(df)))

输出：

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

更好的版本，感谢Scott:

df=pd.DataFrame({'Country':['Japan','USA','Japan','Canada']})
print(df.join(df['Country'].str.get_dummies().add_prefix('Country_')))

print(df.join(pd.get_dummies(df)))

print(df.assign(**pd.get_dummies(df)))

输出：

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

斯科特的另一个好版本：

df=pd.DataFrame({'Country':['Japan','USA','Japan','Canada']})
print(df.join(df['Country'].str.get_dummies().add_prefix('Country_')))

print(df.join(pd.get_dummies(df)))

print(df.assign(**pd.get_dummies(df)))

输出：

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

  Country  Country_Canada  Country_Japan  Country_USA
0   Japan               0              1            0
1     USA               0              0            1
2   Japan               0              1            0
3  Canada               1              0            0

看看如何使用

pd.get\u dummies

。看看如何使用

pd.get\u dummies

。正是我所想的+1

print（df.join（pd.get_dummies（df））

这里有另一个使用字典解包的技巧<代码>打印（df.assign（**pd.get_dummies（df））@ScottBoston哇。。。你是熊猫方面的专家@斯科特伯顿，你真是熊猫的大师，脱帽致敬先生。正是我所想的+1

print（df.join（pd.get_dummies（df））

这里有另一个使用字典解包的技巧<代码>打印（df.assign（**pd.get_dummies（df））@ScottBoston哇。。。你是熊猫方面的专家@斯科特伯顿，你真是熊猫的大师，脱帽致敬先生。