这是我目前正在尝试使用的数据集：
我想做的是用逗号分隔所有的'genres'值，然后创建名为'genres_Comedy'，'genres_Drama '，'genres_Family'等的新列，其中每行的值为0或1，这取决于它是否是该流派。我相当肯定这是可能的，我知道如何通过分隔符分隔列，但我不知道如何根据拆分的字符串生成必要的列，也不知道如何将每一行的正确值（0或1）与新生成的列相加。
我已经尝试寻找解决方案，但我的问题有点具体，我找不到任何适用的解决方案，虽然也许我看错了。有人知道我如何才能完成这一点吗？请让我知道，如果有任何其他信息，我可以提供，可能是有帮助的，谢谢阅读。
1条答案
按热度按时间u4dcyp6a1#
当然，这是非常可行的，但需要几个步骤。
步骤1
首先，将字符串列转换为字符串列表。
df["genres"] = df.genres.apply(lambda x: x.split(","), axis=1)。（注意，如果genres可能以,结尾，那么您需要删除它，或者以""空字符串结束流派）现在，一般的策略是从这个列表列中创建一个新的 Dataframe （具有相同的行数，并且具有
Genre_Comedy等列），并将其重新连接到原始 Dataframe 上。第二步
接下来：通过
genres = df.genres.apply(pd.Series).stack()从genres列创建新帧。apply(pd.Series)将list转换为pd.Series，然后stack()将其分解为多索引Series。步骤3
接下来我们使用
get_dummies;这是从一个列创建多个列的常用方法。如果您的列是animal，一行是cat，另一行是dog，那么您最终将得到两个新列;一个叫做animal_cat，另一个叫做animal_dog。这里也是一样，除了现在我们正在处理一个多索引系列。像这样使用它：genres = pd.get_dummies(genres)。现在您将拥有一个包含所有流派列（恐怖，喜剧等）的多索引 Dataframe 。最后只需通过genres = genres.sum(level=0)折叠多索引。步骤4
最后通过
df = df.concat(genres, axis=1)将其重新连接成交！