コンマで区切られた値を持つ列でダミー変数を作成するにはどうすればよいですか？

Question

私は機械学習のためのデータ前処理に取り組んでおり、問題に直面しています。
ここは私がしたいことです。

テーブルイメージ：

表のタイプは、パンダのデータフレームです。

私の現在のテーブルは1つ残っています。私はテーブルを正しいものに変換したいと思います。

ムービーと俳優の数は固定されていません。

---

EDIT： データ入力

df=pd.DataFrame({'name':['A','B','C'],'actors':['a,b','b,d','c,m']}) 

予想される出力：

 a b c d m 

A  1 1 0 0 0 
B  0 1 0 1 0 
C  0 0 1 0 1 

Answer 1

これを試してみてください？ （ところで、kaggle映画のセット、より良いLabelEncoderを使用して）

PS：私は列nameを追加しなかった、あなたは単にout['name']=df.name

---

オプション1 pd.crosstab

df.actors=df.actors.str.split(',') 
df1=df.set_index('name').actors.apply(pd.Series).stack() 
pd.crosstab(df1.index.get_level_values(0),df1).rename_axis(None).rename_axis(None,1) 


Out[246]: 
    a b c d m 
A 1 1 0 0 0 
B 0 1 0 1 0 
C 0 0 1 0 1 

---

を行うことができますオプション2 get_dummies

pd.get_dummies(df.actors.str.split(',').apply(pd.Series).stack()).sum(level=0) 

Out[230]: 
    a b c d m 
0 1 1 0 0 0 
1 0 1 0 1 0 
2 0 0 1 0 1 

---

オプション3 MultiLabelBinarizer

from sklearn.preprocessing import MultiLabelBinarizer 
mlb = MultiLabelBinarizer() 
    pd.DataFrame(mlb.fit_transform(df.actors.str.split(',')),columns=mlb.classes_,index=df.name).reset_index() 
Out[238]: 
    name a b c d m 
0 A 1 1 0 0 0 
1 B 0 1 0 1 0 
2 C 0 0 1 0 1 

---

データ入力

df=pd.DataFrame({'name':['A','B','C'],'actors':['a,b','b,d','c,m']})