Wie kann ich eine mehrwertige kategoriale Variable aus dem Pandas-Datenrahmen binär codieren?

Angenommen, wir haben den folgenden Datenrahmen mit mehreren Werten für eine bestimmte Spalte:

    categories
0 - ["A", "B"]
1 - ["B", "C", "D"]
2 - ["B", "D"]

Wie können wir so einen Tisch bekommen?

   "A"  "B"  "C"  "D"
0 - 1    1    0    0
1 - 0    1    1    1
2 - 0    1    0    1

Hinweis: Ich benötige nicht unbedingt einen neuen Datenrahmen. Ich frage mich, wie ich solche Datenrahmen in ein Format umwandeln kann, das für maschinelles Lernen besser geeignet ist.

Wenn [0, 1, 2]es sich um numerische Bezeichnungen handelt und nicht um den Index, pandas.DataFrame.pivot_tablefunktioniert dies:

Im []:
data = pd.DataFrame.from_records (
    [[0, 'A'], [0, 'B'], [1, 'B'], [1, 'C'], [1, 'D'], [2, 'B'], [ 2, 'D']],
    Spalten = ['number_label', 'category'])
data.pivot_table (index = ['number_label'], column = ['category'], aggfunc = [len], fill_value = 0)

Aus[]:
              len
Kategorie ABCD
number_label                       
0 1 1 0 0
1 0 1 1 1
2 0 1 0 1

Dieser Blog-Beitrag war hilfreich: http://pbpython.com/pandas-pivot-table-explained.html

Wenn [0, 1, 2]ist der Index, dann collections.Counterist nützlich:

Im []:
data2 = pd.DataFrame.from_dict (
    {'Kategorien': {0: ['A', 'B'], 1: ['B', 'C', 'D'], 2: ['B', 'D']}})
data3 = data2 ['Kategorien']. anwenden (Sammlungen.Zähler)
pd.DataFrame.from_records (data3) .fillna (Wert = 0)

Aus[]:
       A B C D
0 1 1 0 0
1 0 1 1 1
2 0 1 0 1