Как двоично кодировать многозначную категориальную переменную из кадра данных Pandas?

Предположим, у нас есть следующий фрейм данных с несколькими значениями для определенного столбца:

    categories
0 - ["A", "B"]
1 - ["B", "C", "D"]
2 - ["B", "D"]

Как мы можем получить такой стол?

   "A"  "B"  "C"  "D"
0 - 1    1    0    0
1 - 0    1    1    1
2 - 0    1    0    1

Примечание: мне не обязательно нужен новый фрейм данных, мне интересно, как преобразовать такие фреймы данных в формат, более подходящий для машинного обучения.

Если [0, 1, 2]есть числовые метки и не является индексом, то pandas.DataFrame.pivot_tableработает:

В []:
data = pd.DataFrame.from_records (
    [[0, «A»], [0, «B»], [1, «B»], [1, «C»], [1, «D»], [2, «B»], [ 2, 'D']],
    columns = ['number_label', 'category'])
data.pivot_table (index = ['number_label'], столбцы = ['category'], aggfunc = [len], fill_value = 0)

Вне[]:
              Len
категория ABCD
number_label                       
0 1 1 0 0
1 0 1 1 1
2 0 1 0 1

Этот пост был полезен: http://pbpython.com/pandas-pivot-table-explained.html

Если [0, 1, 2]это индекс, то collections.Counterполезно:

В []:
data2 = pd.DataFrame.from_dict (
    {'Categories': {0: ['A', 'B'], 1: ['B', 'C', 'D'], 2: ['B', 'D']}})
data3 = data2 ['category']. apply (collection.Counter)
pd.DataFrame.from_records (данные3) .fillna (значение = 0)

Вне[]:
       ABCD
0 1 1 0 0
1 0 1 1 1
2 0 1 0 1