使用多个like列进行热编码

Question

我在一个数据集中有几个“condition”列。这些列都有资格接收相同的编码输入。这只允许多个条件与一个记录相关联—代码最后进入的列没有任何意义。你知道吗

在下面的示例中，3个条件列中只有5个唯一值，但是如果单独考虑每个列，则每个列中有3个唯一值。因此，当我将一个热编码应用于这些变量时，我得到9个新列，但我只需要5个（一个用于集合列中的每个唯一值）。你知道吗

以下是原始数据的示例：

| cond1 | cond2 | cond3 | target |
|-------|-------|-------|--------|
| I219  | E119  | I48   | 1      |
| I500  |       |       | 0      |
| I48   | I500  | F171  | 1      |
| I219  | E119  | I500  | 0      |
| I219  | I48   |       | 0      |

以下是我尝试的：

import pandas as pd
df = pd.read_csv('micro.csv', dtype='object')
df['cond1'] = pd.Categorical(df['cond1'])
df['cond2'] = pd.Categorical(df['cond2'])
df['cond3'] = pd.Categorical(df['cond3'])

dummies = pd.get_dummies(df[['cond1', 'cond2', 'cond3']], prefix = 'cond')
dummies

这给了我：

| cond_I219 | cond_I48 | cond_I500 | cond_E119 | cond_I48 | cond_I500 | cond_F171 | cond_I48 | cond_I500 |
|-----------|----------|-----------|-----------|----------|-----------|-----------|----------|-----------|
| 1         | 0        | 0         | 1         | 0        | 0         | 0         | 1        | 0         |
| 0         | 0        | 1         | 0         | 0        | 0         | 0         | 0        | 0         |
| 0         | 1        | 0         | 0         | 0        | 1         | 1         | 0        | 0         |
| 1         | 0        | 0         | 1         | 0        | 0         | 0         | 0        | 1         |
| 1         | 0        | 0         | 0         | 1        | 0         | 0         | 0        | 0         |

因此，对于出现在多个列（I48和I500）中的任何代码，我都有多个编码列。。我只想为每一个单一的列，这样我就可以检查之间的关联个别代码和我的目标变量。你知道吗

有办法吗？这就是我想要的结果：

| cond_I219 | cond_I48 | cond_I500 | cond_E119 | cond_F171 |
|-----------|----------|-----------|-----------|-----------|
| 1         | 1        | 0         | 1         | 0         |
| 0         | 0        | 1         | 0         | 0         |
| 0         | 1        | 1         | 0         | 1         |
| 1         | 0        | 1         | 1         | 0         |
| 1         | 1        | 0         | 0         | 0         |

Answer 1

如果需要输出中的1和0数据，则获取max值：

dfDummies = dummies.max(axis=1, level=0)

或者使用sum如果需要计数1值：

dfDummies = dummies.sum(axis=1, level=0)