Skip to main content
 首页 » 编程设计

python之在 Pandas 中形成稀疏特征矩阵数据框

2025年05月04日20cyq1162

我想扩展此数据框的“特征”列,以便创建一个新的数据框,其中这些特征成为列名称。

例如。由此,

对此,

我的解决方案有效,但我认为它不是很好,因为有很多 for 循环。也许有更好的方法利用 Pandas.DataFrame 类的特性?

生成特征矩阵的代码如下,

def feature_data_frame_by_exploding_column(input_df, col_name): 
 
    # Create data frame with same columns minus the column you want to explode 
    df = input_df.copy() 
    del df[col_name] 
 
    # The items that you want to become new features 
    all_new_features = [] 
    new_feature_list = input_df[col_name].values 
    for ingred_list in new_feature_list: 
        all_new_features.extend(ingred_list) # Extend vs append! 
 
    # Add new features as columns of zeros 
    for feature in all_new_features: 
        df[feature] = 0 
 
    # For each row in data frame set values that need to be 1 
    for index in df.index: 
        ingreds_arr = new_feature_list[index] 
        df.loc[index, ingreds_arr] = 1 
 
    return df 
 
df = pd.DataFrame(columns = ["id", "features"]) 
df['id'] = [0,1] 
df['features'] = [["A", "B"], ["C", "D"]] 
df 
 
feature_data_frame_by_exploding_column(df,"features") 

请您参考如下方法:

Scikit 学习的 MultiLabelBinarizer从标签创建一个二进制矩阵。您可以从 pandas 数据框中提取 feature 列并应用它:

mlb = MultiLabelBinarizer() 
new_array = mlb.fit_transform(feature) 

此外,通过指定 MultiLabelBinarizer(sparse_output=True),您将获得真正稀疏的输出(如果不同特征的数量很大,则很有用)。


示例输出:

>>> MultiLabelBinarizer().fit_transform([["A", "B"], ["C", "D"]]) 
array([[1, 1, 0, 0], 
       [0, 0, 1, 1]])