将数据框中的字符串列的唯一值转换为值为0或1的新的多个标头

Question

我有一个数据框，其标题为Transportation的列标题具有一些Car，Bus，Ship或Nan值（缺少值）。 我打算做的是提取“运输”中的所有唯一值（例如，id为3的人和id为6的人可能有汽车出行），然后将它们放入新的列标题中。

然后，如果id 3的运输方式为Car，则行值在Car标头下为1，在其他标头下为0。 对于Nan，在所有新生成的标头下，值为0。

Answer 1

最简单，最快的方法是使用pandas get_dummies

例：

考虑一下这个DataFrame df ：

  Transportation
0            car
1            bus
2          plane
3            NaN

如果执行此命令：

new_df = pd.get_dummies(df,prefix='',prefix_sep='')
print(new_df)

你得到的输出：

   bus  car  plane
0    0    1      0
1    1    0      0
2    0    0      1
3    0    0      0

我相信这就是您要寻找的。

Answer 2

我相信这称为分类变量的二进制编码：

def binary_encode(df, field) 
    df[df['Transportation'] == field][field] = 1
    df[df['Transportation'] != field][field] = 0

因此，例如，如果使用field ='Car'进行调用，它将执行以下操作：

df[df['Transportation'] == 'Car']['Car'] = 1
df[df['Transportation'] != 'Car']['Car'] = 0

df[df['Transportation'] == 'Car']仅选择数据框中“ Transportation列的值为“汽车”的所有行。 然后，其余部分为这些行的Car列分配值1。

此时，“ Transportation列具有其他值的行将具有NaN，我们不希望如此。 因此，我们使用类似的技术为其余值分配值0。

Answer 3

使用内置的.apply函数的熊猫。

这种情况下的应用功能将以一个功能为输入。 该函数将在列系列的每个成员上运行并产生一个新列。 这是一个使用lambda函数和内联if语句来简洁地完成此操作的示例：

import pandas as pd
import numpy as np

# Creating a sample list which contains the transportation list
transportation_list = ["Car","Bus","Ship",np.nan,"Car","Bus","Ship",np.nan]

# Make a pandas Dataframe with a single column called transportation
df = pd.DataFrame({"Transportation":transportation_list})

# Create additional columns by applying the lambda function to each row in 
# the transportation column and set the value equal to zero or one depending 
# on equivalence to test value.
df['car'] = df["Transportation"].apply(lambda transport_type:1 if "Car" == transport_type else 0)
df['bus'] = df["Transportation"].apply(lambda transport_type:1 if "Bus" == transport_type else 0)
df['ship'] = df["Transportation"].apply(lambda transport_type:1 if "Ship" == transport_type else 0)

给出以下结果：