Pandas – Map – Dummy Variables – присвоить значение 1

Я уверен, что это можно улучшить, но одно преимущество заключается в том, что для этого требуется только первый DataFrame, и концептуально приятно объединять операции в цепочку, пока вы не получите желаемое решение.

fullmatrix = (x.stack()
               .reset_index(name='names')
               .pivot(index='level_0', columns='names', values='names')
               .applymap(lambda x: int(x!=None))
               .reset_index(drop=True))

обратите внимание, что только имена, которые появляются в вашем x DataFrame, будут отображаться как столбцы в fullmatrix. если вам нужны дополнительные столбцы, вы можете просто выполнить соединение.

Рассмотрите возможность добавления столбца key = 1, а затем итерации по каждому столбцу для получения списка сводных поисковых файлов, которые вы затем горизонтально объединяете с pd.concat. Наконец, запустите DataFrame.update(), чтобы обновить исходный < em>fullmatrix со значениями из pvt_df, выровненными по индексам.

x['key'] = 1

dfs = []
for col in x.columns[:-1]:
    dfs.append(x.pivot_table(index=df.index, columns=[col], values='key').fillna(0))

pvt_df = pd.concat(dfs, axis=1).astype(int)

fullmatrix.update(pvt_df)
fullmatrix = fullmatrix.astype(int)

fullmatrix   # ONLY FOR VISIBLE COLUMNS IN ORIGINAL POST
#    Irelia  Gnar  Renekton  Kassadin  Sion  Jax  Lulu  Maokai  Rumble  Lissandra  XinZhao  Amumu  Udyr  Ivern  Shaco  Skarner  FiddleSticks  Aatrox  Volibear  MonkeyKing
# 0       1     0         0         0     0    0     0       0       0          0        0      0     0      0      0        0             0       0         0           0
# 1       0     1         0         0     0    0     0       0       0          0        0      0     0      0      0        0             0       0         0           0
# 2       0     0         1         0     0    0     0       0       0          0        0      0     0      0      0        0             0       0         0           0
# 3       1     0         0         0     0    0     0       0       0          0        0      0     0      0      0        0             0       0         0           0

OP пытается создать таблицу фиктивных переменных с набором точек данных. Для каждой точки данных он содержит 5 атрибутов. Всего имеется N уникальных атрибутов.

Мы будем использовать упрощенный набор данных, чтобы продемонстрировать, как это сделать:

• 5 уникальных атрибутов
• 3 записи данных

• каждая запись данных содержит 3 атрибута.

  x = pd.DataFrame([['a', 'b', 'c'],  
                    ['b', 'd', 'e'], 
                    ['e', 'b', 'a']])
  fullmatrix = pd.DataFrame([[0 for _ in range(5)] for _ in range(3)], 
                            columns=['a','b','c','d','e'])
  """ fullmatrix:
     a  b  c  d  e
  0  0  0  0  0  0
  1  0  0  0  0  0
  2  0  0  0  0  0
  """
  
  # each row in x_temp is a string of attributed delimited by ","
  x_row_joined = pd.Series((",".join(row[1]) for row in x.iterrows()))    
  fullmatrix = x_row_joined.str.get_dummies(sep=',')
  

Метод вдохновлен offbyone ответ Он использует pandas.Series.str.get_dummies. Сначала мы соединяем каждую строку x с указанным разделителем. Затем используйте метод Series.str.get_dummies. Метод принимает разделитель, который мы просто используем для объединения атрибутов, и создаст для вас таблицу фиктивных переменных. (Внимание: не выбирайте sep, существующее в x.)