提取字符串列中的所有唯一模式（Python、DF）

我正在从事一个制造业项目，其中每个订购项目的所有零件都有一个唯一的6位代码；有68000条记录。所有零件代码都放在一列中，放在一个字符串中，每个父字符串具有不同的长度：

我想知道是否有更简单的方法来分离这些字符串，将每个唯一的代码转换为一列，然后对父字符串中的列1（如果存在）和列0（如果不存在）进行编码

AAX04X  ABXN6X  A5DB1X...
  1        1       1
  1        0       1
  0        1       0
        ...

以下是我到目前为止的情况，但运行起来需要很长时间：

line = df.column[0]
split = [line[i:i+6] for i in range(0,len(line),6)]

for r in range(0,len(df.column)):
    new_line = df.column[r]
    new_split = [new_line[i:i+6] for i in range(0,len(new_line),6)]

    for code in new_split:
        if code not in split:
            split.append(code)

---

您可以使用

wrap

和

split

将字符串拆分为6个字符的块，然后使用

get\u dummies

进行一次热编码：

# generate some test data
df = pd.DataFrame({
    's': [''.join(x) for x in np.random.choice(list('AB'), (100, 24))]
})

# split into 6-character chunks and one-hot encode them
df['s'].str.wrap(6).str.get_dummies('\n')

输出：

    AAAAAA  AAAAAB  AAAABA  AAAABB  AAABAA  AAABAB  AAABBA  AAABBB  AABAAA  \
0        0       0       0       0       0       1       0       0       0   
1        0       0       0       0       0       0       0       0       0   
2        0       0       1       0       0       0       1       0       0   
3        0       0       0       0       0       0       0       0       1   
4        0       0       0       0       0       1       0       0       0   
..     ...     ...     ...     ...     ...     ...     ...     ...     ...   
95       0       0       0       0       0       0       1       0       0   
96       0       0       0       0       0       0       1       0       0   
97       0       0       0       0       0       0       0       0       0   
98       0       0       0       0       1       0       0       0       0   
99       0       0       0       0       0       0       0       0       0 

---

非常感谢。我现在正在执行你的建议；然而，由于有68000条记录，它需要相当长的时间才能运行。我会更新它一次completes@AnttonHammarskjold有趣。这些绳子有多长？我已经测试了100k字符串，每个字符串有24个字符，在我的笔记本电脑上运行大约30秒，效果很好，谢谢。每个字符串都是4500-5000个字符。