我的意思是这样的:
我有一个 DataFrame
,其中的列可能是分类的或名义的。对于每个观察(行),我想生成一个新行,其中变量的每个可能值现在都是它自己的二进制变量。例如这个矩阵(第一行是列标签)
'a' 'b' 'c'
one 0.2 0
two 0.4 1
two 0.9 0
three 0.1 2
one 0.0 4
two 0.2 5
会被转换成这样:
'a' 'b' 'c'
one two three [0.0,0.2) [0.2,0.4) [0.4,0.6) [0.6,0.8) [0.8,1.0] 0 1 2 3 4 5
1 0 0 0 1 0 0 0 1 0 0 0 0 0
0 1 0 0 0 0 0 1 0 1 0 0 0 0
0 1 0 0 0 0 0 1 1 0 0 0 0 0
0 0 1 1 0 0 0 0 0 0 1 0 0 0
1 0 0 1 0 0 0 0 0 0 0 0 1 0
0 1 0 0 1 0 0 0 0 0 0 0 0 1
初始矩阵中的每个变量(列)都被分箱到所有可能的值中。如果它是分类的,那么每个可能的值都会成为一个新列。如果它是一个 float ,那么这些值会以某种方式分箱(比如,总是分成 10 个分箱)。如果它是一个 int,那么它可以是所有可能的 int 值,或者也可以是 binning。
仅供引用:在我的实际应用程序中,表格最多有 200 万行,而完整的“扩展”矩阵可能有数百列。
有没有简单的方法来执行这个操作?
另外,我也愿意跳过这一步,因为我实际上是在尝试计算 Burt 表(这是交叉表的对称矩阵)。有没有一种简单的方法可以用 crosstab
函数做类似的事情?否则,计算交叉表只是一个简单的矩阵乘法。
最佳答案
请注意,我已经实现了新的 cut
和 qcut
函数来离散化连续数据:
http://pandas-docs.github.io/pandas-docs-travis/basics.html#discretization-and-quantiling
关于python - 如何离散化 pandas DataFrame 中的值并转换为二进制矩阵?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10791661/