如何分割一列到多列和计算频率

Question

这里是我心目中的问题，给定一个表

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

我想把它转换成形式：

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

我需要一个非常有效的方式来转换大型表格。欢迎任何评论。

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

我已经收到了一些很好的答案，非常感谢你的帮助。

现在出现了一个新问题，这是我的笔记本电脑内存不足以通过使用pd.dummies生成整个数据帧。

有无论如何生成一个行和堆栈然后在一起的稀疏矢量？

Answer 1

试试这个

>>> 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转换为字典的名单和构建一个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

试试这个：

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

解释：

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

让你的索引位置的列在你的清单。然后，您可以使用get dummies让每个值的计数

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

输出：

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