Pandas Dataframe：如何将一列拆分为多个onehotcoded列

Question

我有一个这样的文本文件：

444537110                         3 11112111022002200022022111121222002...

输入文件中最后一个字段的长度为50k个字符，并且只有0、1或2个字符。我要一个热编码版本的最后一个字段。所以我的预期结果是这样的一个数据帧：

^{pr2}$

我通过读取输入文件创建了一个初始数据帧：

df = pd.read_csv('test.txt', index_col=0, sep='\s+', header=None, names = ['chip', 'genos'])

这将创建一个包含3列的数据帧，如下所示：

id        chip  genos
444537110    3  1111211102200220000022022111121222000200022002...

我想我可以使用下面的方法创建初始的单独列，然后使用pandas get_dummies函数进行一个热编码，但我无法创建单独的列。我试过了

[c for c in df['genos'].str]

但这并不是把人物分开

我在这里看到了一个类似的问题和答案：How can I one hot encode in Python?

但这只处理一个热编码，而不处理拆分一个非常大的列所带来的额外复杂性

Answer 1

首先用convert string to list创建DataFrame，然后调用^{}：

df1 = pd.DataFrame([list(x) for x in df['genos']], index=df.index).add_prefix('g')
df2 = pd.get_dummies(df1)

如果需要将新列添加到原始列（如果可能缺少某些组合），请使用^{}，方法是使用_拆分列，并使用{a3}创建的所有组合：

^{pr2}$