Python 如何解析Dataframe对象

Python 如何解析Dataframe对象,python,pandas,csv,parsing,dummy-data,Python,Pandas,Csv,Parsing,Dummy Data,我在pandas Dataframe中读取csv文件,然后获取它的虚拟对象并对其进行解析,但例如,我有一个名为“流派”的专栏,其中包含“喜剧、戏剧”和“动作、喜剧”,所以当我获取虚拟对象并对其进行解析时,它会为每个句子生成一个对象,但我希望解析它们。例如,我希望生成对象“流派.喜剧”,“体裁.戏剧”,“体裁.动作”而不是“体裁.喜剧,戏剧”和“体裁.动作,喜剧” 这是我的密码: import numpy as np import pandas as pd import matplotlib.py

我在pandas Dataframe中读取csv文件,然后获取它的虚拟对象并对其进行解析,但例如,我有一个名为“流派”的专栏,其中包含“喜剧、戏剧”和“动作、喜剧”,所以当我获取虚拟对象并对其进行解析时,它会为每个句子生成一个对象,但我希望解析它们。例如,我希望生成对象“流派.喜剧”“体裁.戏剧”“体裁.动作”而不是“体裁.喜剧,戏剧”“体裁.动作,喜剧” 这是我的密码:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import csv
from sklearn import preprocessing
trainset = pd.read_csv("/Users/yada/Downloads/IMDBMovieData.csv", encoding='latin-1')
X = trainset.drop(['Description', 'Runtime'], axis=1)
features = ['Genre','Actors']
for f in features:
    X_dummy = pd.get_dummies(X[f], prefix = f)
    X = X.drop([f], axis = 1)
    X = pd.concat((X, X_dummy), axis = 1)
这是我的csv文件的某一行: 我认为需要:

或:


请不要显示代码图像。@Julien现在它已经准备好了;)对我知道我应该在dummy的命令中做一些事情来识别“,”并从此点进行解析,但我无法通过搜索找到,非常感谢Jezrael!!你知道如何打印或获取数据框的一列吗?例如,我想要“Actors.Keanu Reeves”专栏,我使用这个:print(X['Actors.Keanu Reeves']),但它不起作用:/不,它工作得很好,我只是问另一个问题:)@yasi-它应该工作得很好,没有一些双空格或类似的内容?是的,你是对的,这是空间的问题,非常感谢亲爱的jezrael!
features = ['Genre','Actors']
for f in features:
    X_dummy = X[f].str.get_dummies(', ').add_prefix(f + '.')
    X = X.drop([f], axis = 1)
    X = pd.concat((X, X_dummy), axis = 1)
trainset = pd.DataFrame({'Description':list('abc'),
                   'Genre':['comedy, drama','action, comedy','action'],
                   'Actors':['a, b','a, c','d, a'],
                   'Runtime':[1,3,5],
                   'E':[5,3,6],
                   'F':list('aaa')})

print (trainset)
  Description           Genre Actors  Runtime  E  F
0           a   comedy, drama   a, b        1  5  a
1           b  action, comedy   a, c        3  3  a
2           c          action   d, a        5  6  a

X = trainset.drop(['Description', 'Runtime'], axis=1)
features = ['Genre','Actors']
X_dummy_list = [X.pop(f).str.get_dummies(', ').add_prefix(f + '.') for f in features]
X = pd.concat([X] + X_dummy_list , axis = 1)
print (X)

   E  F  Genre.action  Genre.comedy  Genre.drama  Actors.a  Actors.b  \
0  5  a             0             1            1         1         1   
1  3  a             1             1            0         1         0   
2  6  a             1             0            0         1         0   

   Actors.c  Actors.d  
0         0         0  
1         1         0  
2         0         1