创建熊猫基于在单个列值数据帧

Question

多个列我在数据帧的柱（DF [“值”）与1000行具有重复码A30，A31，A32，A33，A34。我想创建五个单独的列，其标题colA30，colA31，colA32，colA33，colA34在同一个数据框（df）中，在新创建的五列中创建值为0或1，根据行是否是df ['Values “]。

防爆：DF

Values colA30 colA31 colA32 colA33 colA34 
A32  0  0  1  0  0 
A30  1  0  0  0  0 
A31  0  1  0  0  0 
A34  0  0  0  0  1 
A33  0  0  0  1  0 

因此，如果DF行[“值”]是A32则colA32应该是1和所有其他列应该是0的等在DF [列休息“价值”。

我做了以下方法。但是，无论如何要一次性完成它，因为我有多个列，其中有多个代码，需要创建多个列。

df['A30']=df['Values'].map(lambda x : 1 if x=='A30' else 0) 

df['A31']=df['Values'].map(lambda x : 1 if x=='A31' else 0) 

df['A32']=df['Values'].map(lambda x : 1 if x=='A32' else 0) 

df['A33']=df['Values'].map(lambda x : 1 if x=='A33' else 0) 

df['A34']=df['Values'].map(lambda x : 1 if x=='A34' else 0) 

Answer 1

您可以在许多方面做到这一点：

在pandas有一个叫pd.get_dummies()功能，可以让你的每个分类数据转换成二进制数据。将其应用到您的分类列，然后连接使用原始数据框获得的数据框。 Here是链接到文档。

另一种方法是使用图书馆sklearn及其OneHotEncoder。它和上面的完全一样，但是对象不一样。你应该使用你的OneHotEncoder类的实例来适应你的分类数据。

对于您的情况，我会使用pd.get_dummies()，使用起来更简单。