Python 熊猫：添加数组作为列的值

我有一个熊猫数据框

df

，它存储一些数值：

print(df)

       value 
0          0
1          2
2          4
3          5
4          8

我有一个函数，它把一个数值转换成一个热向量

print(to_categorical(0))
[1 0 0 0 0 0 0 0 0 0]

print(to_categorical(5))
[0 0 0 0 0 5 0 0 0 0]

等等

因此，我可以在数值列上调用函数：

print(to_categorical(df['value'))

[[1 0 0 0 0 0 0 0 0 0]
 [0 0 1 0 0 0 0 0 0 0]
 [0 0 0 0 1 0 0 0 0 0]
 [0 0 0 0 0 1 0 0 0 0]
 [0 0 0 0 0 0 0 0 1 0]]

现在我想将结果存储为一个新列。以下是我对我的示例的期望：

df['one-hot'] = to_categorical(df['value')
print(df)

        value                    one-hot
0          0       [1 0 0 0 0 0 0 0 0 0]
1          2       [0 0 1 0 0 0 0 0 0 0]
2          4       [0 0 0 0 1 0 0 0 0 0]
3          5       [0 0 0 0 0 1 0 0 0 0]
4          8       [0 0 0 0 0 0 0 0 1 0]

---

但这给了我一个错误，因为pandas试图将我的阵列展平为多个列。我该怎么做呢？

首先，我认为在pandas中使用

列表

s是不可能的，但可以通过转换为列表：

df['one-hot'] = to_categorical(df['value').tolist()

---

df['one-hot']=to_category（df['value'）。tolist（）

可能的重复在我的例子中，我希望有一个结构来存储我的值（几千个唯一值）和对应的一个hot向量（几千个值的向量）之间的映射你认为什么是更好的方法？@Nakeuh-更好的方法是创建新的数据帧-

df1=pd.DataFrame（to_categorical（df['value'），index=df.index）

Hm，我明白了。我想“一体式数据帧”的计算效率较低？我想我现在还是采用非高效的方法吧（我更喜欢只有一个对象，我并不真正关心用例中的效率），但我会记住你对未来的建议。谢谢！