Python：值转换为列和标志

是否有任何方法可以使用python代码将值转换为列名，并根据下面的示例将它们标记为1或0

hobbytable在hobby列中有值，但某些单元格有多个以“/”分隔的值。 为了使用多元回归模型或其他模型，数据集的形状将更好，低于预期结果

如能分享示例代码以解决此问题，将不胜感激

hobbytable（CSV文件）

作为数据帧的预期结果

personID, baseball, soccer, reading, soccer
x1234, 1, 1, 0, 0
y1234, 1, 0, 1, 0
z1234, 0, 0, 0, 0
a1234, 0, 1, 0, 0

让我们尝试标记值&

groupby

索引以减少数据帧。沿列索引将创建的

假人

与

原始数据帧

连接起来

import pandas as pd

dummies = (
    pd.get_dummies(df.hoppy.str.split("/").explode())
        .groupby(level=0).sum()
)
print(pd.concat([df, dummies], axis = 1))

---

让我们尝试标记值&

groupby

索引以减少数据帧。沿列索引将创建的

假人

与

原始数据帧

连接起来

import pandas as pd

dummies = (
    pd.get_dummies(df.hoppy.str.split("/").explode())
        .groupby(level=0).sum()
)
print(pd.concat([df, dummies], axis = 1))

---

---

您可以在一行中完成：

df = df.assign(val=1).pivot_table(values='val', index='personID,', columns='hoppy').fillna(0)

---

解释：

  personID             hobby  baseball  reading  soccer
0    x1234   baseball/soccer         1        0       1
1    y1234  reading/baseball         1        1       0
2    z1234               NaN         0        0       0
3    a1234            soccer         0        0       1

.assign（）

添加了一列，这里我们用后面在输出表中看到的1填充它

.pivot\u table（）

现在，数据透视表基本上是为您完成主要工作，如果未找到某列的persionID，则它将具有“nan”值

---

因此，使用

.fillna（）

将此“nan”值填充为0

您可以在一行中完成此操作：

df = df.assign(val=1).pivot_table(values='val', index='personID,', columns='hoppy').fillna(0)

---

解释：

  personID             hobby  baseball  reading  soccer
0    x1234   baseball/soccer         1        0       1
1    y1234  reading/baseball         1        1       0
2    z1234               NaN         0        0       0
3    a1234            soccer         0        0       1

.assign（）

添加了一列，这里我们用后面在输出表中看到的1填充它

.pivot\u table（）

现在，数据透视表基本上是为您完成主要工作，如果未找到某列的persionID，则它将具有“nan”值

因此，使用

.fillna（）

将此“nan”值填充为0

您可以尝试以下操作：

import pandas as pd

df1 = pd.read_csv(fileName, sep=",")
df2 = df1["hobby"].str.get_dummies("/")
df = pd.concat([df1, df2], axis = 1)
print(df)

输出：

  personID             hobby  baseball  reading  soccer
0    x1234   baseball/soccer         1        0       1
1    y1234  reading/baseball         1        1       0
2    z1234               NaN         0        0       0
3    a1234            soccer         0        0       1

您可以尝试以下方法：

import pandas as pd

df1 = pd.read_csv(fileName, sep=",")
df2 = df1["hobby"].str.get_dummies("/")
df = pd.concat([df1, df2], axis = 1)
print(df)

输出：

  personID             hobby  baseball  reading  soccer
0    x1234   baseball/soccer         1        0       1
1    y1234  reading/baseball         1        1       0
2    z1234               NaN         0        0       0
3    a1234            soccer         0        0       1

---

请问你用什么代码来解决这个问题？你能分享你的代码吗？你试过用什么代码来解决这个问题？你能分享你的代码吗？很好，我总是很惊讶有多少方法可以解决一项任务。嗨，苏珊特！谢谢你的帮助！让我试试我的代码，看看它是如何工作的。很好，我总是很惊讶有多少方法可以解决一个任务。嗨，苏珊特！谢谢你的帮助！让我试试我的代码，看看它是如何工作的。谢谢你苏门德拉！我会检查我的实际数据。谢谢你苏门德拉！我会检查我的实际数据。嗨，安德烈亚斯，谢谢你的快速回答。我会申请的。嗨，安德烈亚斯，谢谢你的快速回答。我将应用它。