如何分割一列到多列和計算頻率

Question

這裏是我心目中的問題，給定一個表

Id type 
0 1 [a,b] 
1 2  [c] 
2 3  [a,d] 

我想把它轉換成形式：

Id  a b c d 
0 1  1 1 0 0 
1 2  0 0 1 0 
2 3  1 0 0 1 

我需要一個非常有效的方式來轉換大型表格。歡迎任何評論。

====================================

我已經收到了一些很好的答案，非常感謝你的幫助。

現在出現了一個新問題，這是我的筆記本電腦內存不足以通過使用pd.dummies生成整個數據幀。

有無論如何生成一個行和堆棧然後在一起的稀疏矢量？

Answer 1

試試這個

>>> df 
    Id type 
0 1 [a, b] 
1 2  [c] 
2 3 [a, d] 
>>> df2 = pd.DataFrame([x for x in df['type'].apply(
...   lambda item: dict(map(
...         lambda x: (x,1), 
...        item)) 
...   ).values]).fillna(0) 
>>> df2.join(df) 
    a b c d Id type 
0 1 1 0 0 1 [a, b] 
1 0 0 1 0 2  [c] 
2 1 0 0 1 3 [a, d] 

它基本上列表的列表轉換爲字典的名單和構建一個DataFrame out of this

[ ['a', 'b'], ['c'], ['a', 'd'] ] # list of list
[ {'a':1, 'b':1}, {'c':1}, {'a':1, 'd':1} ] # list of dict Make DataFrame out of this

Answer 2

試試這個：

pd.get_dummies(df.type.apply(lambda x: pd.Series([i for i in x]))) 

解釋：

df.type.apply(lambda x: pd.Series([i for i in x] 

讓你的索引位置的列在你的清單。然後，您可以使用get dummies讓每個值的計數

pd.get_dummies(df.type.apply(lambda x: pd.Series([i for i in x]))) 

輸出：

a c b d 
0 1 0 1 0 
1 0 1 0 0 
2 1 0 0 1