У меня ниже набора данных pandas:
set_id
A,B
A,C,E
A
Желаемый результат:
set_id set_id_1 set_id_2 set_id_3
A,B A B null
A,C,E A C E
A A null null
set_id может иметь n значений. Предположим, что максимальное число значений в set_id равно 100, у меня должно быть 100 новых столбцов
Я попытался использовать многоканальный бинаризатор
df1 = pd.DataFrame()
df1['set_id'] = df['set_id'].str.split(',')
from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
df1=df.join(pd.DataFrame(mlb.fit_transform(df['set_id']) ,columns=mlb.classes_,index=df.head(100).index))
Он будет создавать столбцы более 100 тыс., Поскольку у меня есть более 100 тыс. Уникальных записей
Используйте str.split
с expand=True
для DataFrame
:
df1 = df['set_id'].str.split(',', expand=True)
Альтернативное быстрое решение со списком:
df1 = pd.DataFrame([x.split(',') for x in df['set_id']])
df1.columns = [f'set_id_{x+1}' for x in df1.columns]
df1 = df.join(df1)
print (df1)
set_id set_id_1 set_id_2 set_id_3
0 A,B A B None
1 A,C,E A C E
2 A A None None
df1 = df1.fillna('-1')
?