python - Pandas:一列具有重复组到多列

Question

我有以下 pandas 数据集:

set_id
A,B
A,C,E
A

期望的结果:

set_id  set_id_1 set_id_2 set_id_3
A,B      A          B       null
A,C,E    A          C        E
A        A          null     null 

set_id 可以有 n 个值。假设 set_id 中值的最大数量是 100，我应该有 100 个新列

我尝试使用多标签二值化器

df1 = pd.DataFrame()
df1['set_id'] = df['set_id'].str.split(',')
from sklearn.preprocessing import MultiLabelBinarizer  
mlb = MultiLabelBinarizer() 
df1=df.join(pd.DataFrame(mlb.fit_transform(df['set_id'])                                  ,columns=mlb.classes_,index=df.head(100).index))

它将创建超过 100K 列，因为我有超过 100K 条唯一记录

Answer 1

使用str.split对于 DataFrame 使用 expand=True:

df1 = df['set_id'].str.split(',', expand=True)

具有列表理解的替代更快解决方案:

df1 = pd.DataFrame([x.split(',') for x in df['set_id']])

<小时/>

df1.columns = [f'set_id_{x+1}' for x in df1.columns]
df1 = df.join(df1)

print (df1)
  set_id set_id_1 set_id_2 set_id_3
0    A,B        A        B     None
1  A,C,E        A        C        E
2      A        A     None     None