如何在 Python 中使用多个标签进行一次热编码？

Question

我有一个 CSV 表格，看起来像这样：

id   attribute
1    Canada
1    United States
2    Germany
3    Canada
4    Germany
4    United States

我想把上面的表格变成：

id   attribute.Canada   attribute.UnitedStates   attribute.Germany
1    1.0                1.0                      0.0
2    0.0                0.0                      1.0
3    1.0                0.0                      0.0
4    0.0                1.0                      1.0

我希望完成三件事：

1. 每行都有一个唯一的 ID
2. “属性”标签下的值成为热编码的列名
3. 将新表导出回 CSV

Answer 1

我只想给你一个开端。 获取属性列的唯一值，并将其附加到一个具有先前初始化的 'id' 的数组中。 获取 'id' 的唯一值（即 1 2 3 4）并将它们添加为索引，将较早的数组添加为列以初始化数据帧。

遍历“id”的唯一值，这样做使用正则表达式读取以“id”值开头的行。 提取属性值并使用值 1.0 构建字典并将其附加到数据帧，稍后将 NaN 替换为 0.0。