pandas中将一列数据转为多列数据

在工作中，有时候需要将同一个单元格里的数据进行拆分成多列数据，然后进行统计、分类等其他操作，这时候get_dummies()方法就可以派上用场了。

pandas和pandas.Series都有各自的get_dummies()方法，名字虽然相同，但是结果并不一样。
Series的get_dummies()接受一个sep参数，默认是|，根据该分隔符将string进行切分，返回Dataframe。

Series.str.get_dummies(sep='|')

在下面两个例子中，可以看到DataFrame也使用了Series的get_dummies()，但是只返回拆分之后的DataFrame，需要再使用concat方法将原始数据合并。

# Series中使用
from pandas import Series

Series(['a|b', 'a', 'a|c']).str.get_dummies()

# 在DataFrame中使用
import pandas as pd

df = pd.DataFrame({'id': [1,2,3], 'labels' : ["a,b,c", "c,a", "d,a,b",]})
df['labels'].str.get_dummies(sep=',')

如果使用str.split()方法，也能拆分，但是并不能自动分列。

df2=pd.DataFrame(df['labels'].str.split(',').tolist())

pandas的get_dummies()方法：

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)

• 参数说明：

  data：原始数据
  prefix：拆分后新列列名的前缀
  prefix_sep：前缀和原始字段的连接符
  dummy_na：是否忽略NAN列
  columns：指定拆分的列名，list.不指定列时,默认是对所有可分的列都进行拆分。
  sparse：Series和全部列拆分时返回“稀疏”Dataframe
  drop_first：是否移除拆分后的第一列数据

该方法并不会将列数据string进行分割，而是将指定列的数据的所有可能取值都作为列。

例子如下：

import pandas as pd

df = pd.DataFrame({'id': [1,2,3], "sex": ['male', 'female', 'male']})
pd.get_dummies(df, columns=['sex'])

如果需要拆分的列数据是字典时，使用str.values。这里使用了pop方法，直接将这一列数据给删除了，也可以直接使用df[‘lables’]来处理之后再删掉多余列。最后一点，需要完整的数据可以使用concat之类的方法将其与原始df进行合并。

import pandas as pd

df = pd.DataFrame({'id': [1,2], 'labels' : [{'a':11,'b':22}, {'c':33}]})
pd.DataFrame(df.pop('labels').values.tolist())